Ciencia de los datos

Estoy un poco confundido al elegir entre Keras (keras-team / keras) y tf.keras (tensorflow / tensorflow / python / keras /) para mi nuevo proyecto de investigación. Existe el debate de que Keras no es propiedad de nadie, por lo que las personas están más felices de contribuir y será …

20 python  deep-learning  keras  tensorflow 

Soy un novato en el aprendizaje profundo. ¿Hay alguna forma de usar TensorFlow con las GPU Intel? En caso afirmativo, apúnteme en la dirección correcta. De lo contrario, avíseme qué marco, si corresponde, (Keras, Theano, etc.) puedo usar para mi Controlador de gráficos integrado Intel Core Xeon E3-1200 v3 / …

20 tensorflow  keras  theano  gpu 

Cuando leía sobre el uso StandardScaler, la mayoría de las recomendaciones decían que debería usar StandardScaler antes de dividir los datos en tren / prueba, pero cuando estaba revisando algunos de los códigos publicados en línea (usando sklearn) había dos usos principales. 1- Uso StandardScalerde todos los datos. P.ej from …

20 machine-learning  scikit-learn  preprocessing 

¿Cuál es mejor para la precisión o son iguales? Por supuesto, si usa categorical_crossentropy, usa una codificación activa, y si usa sparse_categorical_crossentropy, codifica como enteros normales. Además, ¿cuándo es uno mejor que el otro?

20 neural-network  keras  loss-function  encoding 

En el caso de tener una combinación de atributos categóricos y numéricos, generalmente convierto los atributos categóricos en vectores calientes. Mi pregunta es si dejo esos vectores como están y escalo los atributos numéricos a través de la estandarización / normalización, o ¿debería escalar los vectores calientes junto con los …

20 feature-engineering  feature-scaling  data-science-model 

Tengo 3 clases con esta distribución: Class 0: 0.1169 Class 1: 0.7668 Class 2: 0.1163 Y estoy usando xgboostpara la clasificación. Sé que hay un parámetro llamado scale_pos_weight. Pero, ¿cómo se maneja para el caso 'multiclase' y cómo puedo configurarlo correctamente?

20 classification  xgboost  multiclass-classification  unbalanced-classes 

LDA tiene dos hiperparámetros, ajustarlos cambia los temas inducidos. ¿Qué aportan los hiperparámetros alfa y beta a LDA? ¿Cómo cambia el tema si uno u otro hiperparámetro aumenta o disminuye? ¿Por qué son hiperparamters y no solo parámetros?

19 topic-model  lda  parameter 

Estoy interesado en saber qué sucede realmente en Hellinger Distance (en términos simples). Además, también me interesa saber cuáles son los tipos de problemas que podemos usar Hellinger Distance. ¿Cuáles son los beneficios de usar Hellinger Distance?

19 machine-learning  data-mining  text-mining  distance 

Estoy construyendo una regresión logística multinomial con sklearn (LogisticRegression). Pero después de que termine, ¿cómo puedo obtener un valor p y un intervalo de confianza de mi modelo? Solo parece que sklearn solo proporciona coeficiente e intercepción. Muchas gracias.

19 scikit-learn  logistic-regression 

Estoy participando en una competencia de kaggle. El conjunto de datos tiene alrededor de 100 características y todas son desconocidas (en términos de lo que realmente representan). Básicamente son solo números. La gente está realizando una gran cantidad de ingeniería de características en estas características. Me pregunto cómo exactamente uno …

19 machine-learning  feature-selection  feature-extraction  feature-engineering  kaggle 

En general, el modelo de aprendizaje automático se basa en conjuntos de datos. ¿Me gustaría saber si hay alguna forma de generar un conjunto de datos sintéticos utilizando un modelo de aprendizaje automático tan capacitado que conserve las características originales del conjunto de datos? [datos originales -> construir modelo de …

19 machine-learning  dataset 

El problema que estoy abordando es categorizar textos cortos en varias clases. Mi enfoque actual es utilizar frecuencias de término ponderadas tf-idf y aprender un clasificador lineal simple (regresión logística). Esto funciona razonablemente bien (alrededor del 90% de macro F-1 en el conjunto de prueba, casi el 100% en el …

19 machine-learning  classification  feature-selection  logistic-regression  information-retrieval 

Recientemente vi una característica interesante que alguna vez estuvo disponible en las Hojas de cálculo de Google: comienza escribiendo algunas palabras clave relacionadas en celdas consecutivas, por ejemplo: "azul", "verde", "amarillo", y genera automáticamente palabras clave similares (en este caso , otros colores). Vea más ejemplos en este video de …

19 nlp  text-mining  freebase 

Recientemente comencé a aprender a trabajar sklearny acabo de encontrar este resultado peculiar. Utilicé el digitsconjunto de datos disponible sklearnpara probar diferentes modelos y métodos de estimación. Cuando probé un modelo de máquina de vectores de soporte en los datos, descubrí que hay dos clases diferentes sklearnpara la clasificación SVM: …

19 svm  scikit-learn 

Entonces, quiero crear una tabla de radar de perfil de jugador como esta: No solo la escala de cada variable es diferente, sino que también quiero una escala inversa para algunas estadísticas como la estadística 'desposeída', donde menos realmente significa bueno. ¿Una solución para la escala variable para cada estadística …

19 visualization