Khoa học dữ liệu

t-SNE, như trong [1], hoạt động bằng cách giảm dần phân kỳ Kullback-Leibler (KL), cho đến khi một điều kiện nhất định được đáp ứng. Những người tạo ra t-SNE đề nghị sử dụng phân kỳ KL làm tiêu chí hiệu suất cho các hình ảnh trực quan: bạn có …

11 machine-learning  python 

Tôi muốn vẽ các byte từ một hình ảnh đĩa để hiểu một mẫu trong đó. Đây chủ yếu là một nhiệm vụ học tập, vì tôi gần như chắc chắn mô hình này được tạo ra bởi một chương trình kiểm tra đĩa, nhưng dù sao tôi cũng muốn …

11 r  visualization 

Trong trường đại học của tôi, chúng tôi có một cụm máy tính HPC. Tôi sử dụng cụm để đào tạo phân loại và như vậy. Vì vậy, thông thường, để gửi một công việc đến cụm, (ví dụ: tập lệnh python scikit-learn), tôi cần phải viết một tập lệnh …

11 bigdata  data-mining 

Có rất nhiều nguồn cung cấp dữ liệu chứng khoán lịch sử nhưng chúng chỉ cung cấp các trường OHLC cùng với khối lượng và được điều chỉnh gần. Ngoài ra, một số nguồn tôi tìm thấy cung cấp các bộ dữ liệu giới hạn thị trường nhưng chúng bị …

11 dataset 

Định nghĩa thông thường về hồi quy (theo như tôi biết) là dự đoán một biến đầu ra liên tục từ một tập hợp các biến đầu vào đã cho . Hồi quy logistic là một thuật toán phân loại nhị phân, do đó nó tạo ra một đầu ra …

11 algorithms  logistic-regression 

Tôi muốn khám phá 'khoa học dữ liệu'. Thuật ngữ này có vẻ hơi mơ hồ đối với tôi, nhưng tôi hy vọng nó sẽ yêu cầu: học máy (thay vì thống kê truyền thống); một bộ dữ liệu đủ lớn để bạn phải chạy phân tích trên các cụm. …

11 statistics  education  knowledge-base  definitions 

Tôi tò mò về truy vấn ngôn ngữ tự nhiên. Stanford có những gì có vẻ là một bộ phần mềm mạnh mẽ để xử lý ngôn ngữ tự nhiên . Tôi cũng đã thấy thư viện Apache OpenNLP và Kiến trúc chung cho Kỹ thuật văn bản . Có …

11 nlp 

Trong hầu hết các công cụ ước tính trên scikit-learn, có một n_jobstham số trong fit/ predictphương thức để tạo các công việc song song bằng cách sử dụng joblib. Tôi nhận thấy rằng thiết lập nó để -1tạo ra chỉ 1 quá trình Python và tối đa hóa các …

11 python  scikit-learn 

Tôi rất mới với Deep learning và tôi đặc biệt quan tâm đến việc biết LSTM và BiLSTM là gì và khi nào nên sử dụng chúng (lĩnh vực ứng dụng chính). Tại sao LSTM và BILSTM phổ biến hơn RNN? Chúng ta có thể sử dụng những kiến ​​trúc …

11 machine-learning  deep-learning  rnn  lstm 

Tôi đang cố gắng đào tạo một perceptron (1000 đơn vị đầu vào, 1 đầu ra, không có lớp ẩn) trên 64 điểm dữ liệu được tạo ngẫu nhiên. Tôi đang sử dụng Pytorch bằng trình tối ưu hóa Adam: import torch from torch.autograd import Variable torch.manual_seed(545345) N, D_in, D_out …

11 perceptron  pytorch 

Tôi hơi bối rối bởi sự khác biệt giữa thuật ngữ "Học máy" và "Học sâu". Tôi đã Googled nó và đọc nhiều bài viết, nhưng nó vẫn không rõ ràng cho tôi. Một định nghĩa đã biết về Machine Learning của Tom Mitchell là: Một chương trình máy tính …

11 machine-learning  deep-learning 

độ chính xác là phần của các thể hiện được truy xuất có liên quan, trong khi thu hồi (còn được gọi là độ nhạy) là phần của các thể hiện có liên quan được truy xuất. Tôi biết ý nghĩa của chúng nhưng tôi không biết tại sao lại …

11 performance  terminology 

Trong biểu đồ dưới đây, trục x => Kích thước tập dữ liệu trục y => Điểm xác thực chéo Đường màu đỏ là dành cho Dữ liệu đào tạo Dòng màu xanh lá cây là để thử nghiệm dữ liệu Trong một hướng dẫn mà tôi đang đề cập, …

11 machine-learning  cross-validation 

Điều gì xảy ra khi chúng tôi đào tạo một máy vectơ hỗ trợ cơ bản (nhân tuyến tính và không có lề mềm) trên dữ liệu có thể phân tách phi tuyến tính? Vấn đề tối ưu hóa là không khả thi, vậy thuật toán tối thiểu hóa trả …

11 machine-learning  svm 

Làm thế nào để thay đổi tham số chính quy trong một SVM thay đổi ranh giới quyết định cho một tập dữ liệu không thể tách rời? Một câu trả lời trực quan và / hoặc một số bình luận về các hành vi hạn chế (đối với chính …

11 svm