Ciencia de los datos

Al construir un rango, digamos para un motor de búsqueda o un sistema de recomendación, ¿es válido confiar en la frecuencia de clics para determinar la relevancia de una entrada?

17 recommender-system  information-retrieval 

Aquí la respuesta se refiere a gradientes de desaparición y explosión que han estado en sigmoidfunciones de activación similares, pero supongo que Relutiene una desventaja y es su valor esperado. no hay limitación para la salida de Reluy, por lo tanto, su valor esperado no es cero. Recuerdo el tiempo …

17 machine-learning  neural-network  deep-learning  gradient-descent  activation-function 

Me pregunto cómo etiquetar (etiquetar) oraciones / párrafos / documentos con doc2vec en gensim, desde un punto de vista práctico. ¿Necesita tener cada oración / párrafo / documento con su propia etiqueta única (por ejemplo, "Sent_123")? Esto parece útil si desea decir "qué palabras u oraciones son más similares a …

17 machine-learning  text-mining  word-embeddings  word2vec 

Para la detección, una forma común de determinar si la propuesta de un objeto era correcta es Intersección sobre Unión (IoU, IU). Esto toma el conjunto de píxeles de objetos propuestos y el conjunto de píxeles verdaderos de objetos B y calcula:UNUNAsisiB yoo U( A , B ) = A …

17 computer-vision 

El ensacado es la generación de múltiples predictores que funciona como un conjunto de predictores únicos. La deserción es una técnica que enseña a las redes neuronales a promediar todas las subredes posibles. Mirando las competencias más importantes de Kaggle parece que estas dos técnicas se usan juntas muy a …

17 machine-learning  neural-network  deep-learning 

Cuando se usa una inicialización aleatoria de centroides, diferentes corridas de K-medias producen diferentes ESS totales. Y es crucial en el rendimiento del algoritmo. ¿Cuáles son algunos enfoques efectivos para resolver este problema? Los enfoques recientes son apreciados.

17 data-mining  clustering  k-means 

Tengo el problema de agrupar una gran cantidad de oraciones en grupos por sus significados. Esto es similar a un problema cuando tienes muchas oraciones y quieres agruparlas por sus significados. ¿Qué algoritmos se sugieren para hacer esto? No sé la cantidad de clústeres de antemano (y a medida que …

17 clustering  text-mining  algorithms  scikit-learn 

Tengo una gran matriz escasa de usuarios y elementos que les gustan (del orden de 1 millón de usuarios y 100 000 elementos, con un nivel muy bajo de escasez). Estoy explorando formas en que podría realizar una búsqueda de kNN en él. Dado el tamaño de mi conjunto de …

17 machine-learning  distributed  map-reduce  dimensionality-reduction 

Hubo un furor reciente con Facebook experimentando con sus usuarios para ver si podían alterar las emociones de los usuarios y ahora okcupid . Si bien no soy un científico de datos profesional, leí sobre la ética de la ciencia de datos del libro de Cathy O'Neill 'Doing Data Science' …

17 social-network-analysis 

Estoy trabajando en una pregunta del libro en línea: http://neuralnetworksanddeeplearning.com/chap1.html Puedo entender que si la capa de salida adicional es de 5 neuronas de salida, probablemente podría establecer un sesgo de 0.5 y un peso de 0.5 cada una para la capa anterior. Pero la pregunta ahora pide una nueva …

17 neural-network 

Necesito generar informes periódicos (diarios, mensuales) del panel de análisis web. Serán estáticos y no requieren interacción, así que imagine un archivo PDF como salida de destino. Los informes mezclarán tablas y gráficos (principalmente gráficos minigráficos y viñetas creados con ggplot2). Piense en los paneles de estilo Stephen Few / …

17 r  visualization 

¿Cuál es la mejor herramienta para visualizar (dibujar los vértices y bordes) un gráfico con 1000000 vértices? Hay alrededor de 50000 aristas en el gráfico. Y puedo calcular la ubicación de vértices y aristas individuales. Estoy pensando en escribir un programa para generar un svg. ¿Cualquier otra sugerencia?

17 visualization  graphs 

Utilizo Libsvm para entrenar datos y predecir la clasificación del problema de análisis semántico . Pero tiene un problema de rendimiento en datos a gran escala, porque el análisis semántico se refiere al problema de la dimensión n . El año pasado, Liblinear fue lanzado, y puede resolver el cuello …

17 machine-learning  bigdata  libsvm 

Creamos una aplicación de red social para fines de eLearning. Es un proyecto experimental que estamos investigando en nuestro laboratorio. Se ha utilizado en algunos estudios de casos durante un tiempo y los datos en nuestro DBMS relacional (SQL Server 2008) se están volviendo grandes. Ahora son unos pocos gigabytes …

17 nosql  relational-dbms 

Tengo un proyecto de pasatiempo en el que estoy pensando comprometerme como una forma de aumentar mi experiencia hasta ahora limitada de aprendizaje automático. He tomado y completado el Coursera MOOC sobre el tema. Mi pregunta es con respecto a la viabilidad del proyecto. La tarea es la siguiente: De …

17 machine-learning