Ciencia de los datos

Estaba leyendo un artículo en los blogs de kaggle. En repetidas ocasiones, el autor menciona 'puntaje LB' y 'ajuste LB') como una métrica para la efectividad del aprendizaje automático (junto con el puntaje de validación cruzada (CV)). Con una investigación sobre el significado de 'LB', pasé bastante tiempo, me di …

16 machine-learning  accuracy 

Estoy empezando a aprender Machine learning del sitio web de Tensorflow. He desarrollado una comprensión muy rudimentaria del flujo que sigue un programa de aprendizaje profundo (este método me hace aprender rápido en lugar de leer libros y artículos grandes). Hay algunas cosas confusas que he encontrado, 2 de ellas …

16 machine-learning  deep-learning  tensorflow 

Estoy jugando un poco con convnets. Específicamente, estoy usando el conjunto de datos kaggle cats-vs-dogs que consta de 25000 imágenes etiquetadas como gato o perro (12500 cada una). Me las arreglé para lograr una precisión de clasificación de alrededor del 85% en mi conjunto de pruebas, sin embargo, establecí el …

16 neural-network  deep-learning  convnet  image-recognition  dropout 

En PNL, existe el concepto de Gazetteerque puede ser bastante útil para crear anotaciones. Hasta donde yo entiendo: Un diccionario geográfico consiste en un conjunto de listas que contienen nombres de entidades como ciudades, organizaciones, días de la semana, etc. Estas listas se utilizan para encontrar las ocurrencias de estos …

16 nlp  named-entity-recognition 

¿Cuáles son las características o propiedades que indican que se puede abordar un determinado problema de aprendizaje utilizando máquinas de vectores de soporte? En otras palabras, ¿qué es lo que, cuando ves un problema de aprendizaje, te hace decir "oh, definitivamente debería usar SVM para esto" en lugar de redes …

16 machine-learning  svm  supervised-learning  unsupervised-learning 

Cerrada . Esta pregunta necesita estar más centrada . Actualmente no está aceptando respuestas. ¿Quieres mejorar esta pregunta? Actualice la pregunta para que se centre en un problema solo editando esta publicación . Cerrado hace 4 años . Soy un desarrollador web autodidacta y estoy interesado en enseñarme ciencia de …

16 beginner  self-study 

¿Cuáles son algunos podcasts relacionados con la ciencia de datos? Esta es una pregunta similar a la pregunta de solicitud de referencia en CrossValidated . Detalles / reglas: Los podcasts (el tema y los episodios) deben estar relacionados con la ciencia de datos. (Por ejemplo: un podcast que trata sobre …

16 reference-request 

¿Hay algún artículo o discusión sobre la extracción de parte del texto que contenga la mayor parte de la información sobre el documento actual? Por ejemplo, tengo un gran corpus de documentos del mismo dominio. Hay partes del texto que contienen la información clave de la que habla un solo …

16 nlp  text-mining 

Estoy tratando de construir un sistema de recomendación usando filtrado colaborativo. Tengo la [user, movie, rating]información habitual . Me gustaría incorporar una función adicional como 'idioma' o 'duración de la película'. No estoy seguro de qué técnicas podría utilizar para tal problema. Por favor, sugiera referencias o paquetes en python …

16 python  r  recommender-system 

Estoy buscando una biblioteca de Python que pueda realizar una regresión segmentada (también conocida como regresión por partes) . Ejemplo :

16 python  linear-regression  library  software-recommendation 

¿Cómo se pueden usar las bases de datos NoSQL como MongoDB para el análisis de datos? ¿Cuáles son las características en ellos que pueden hacer que el análisis de datos sea más rápido y poderoso?

16 bigdata  nosql  mongodb 

Estoy usando el ejemplo de OpenCV letter_recog.cpp para experimentar en árboles aleatorios y otros clasificadores. Este ejemplo tiene implementaciones de seis clasificadores: árboles aleatorios, impulso, MLP, kNN, Bayes ingenuos y SVM. Se utiliza el conjunto de datos de reconocimiento de letras UCI con 20000 instancias y 16 características, que dividí …

16 machine-learning  classification  svm  accuracy  random-forest 

Sé que no hay una respuesta clara para esta pregunta, pero supongamos que tengo una gran red neuronal, con muchos datos y quiero agregar una nueva característica en la entrada. La "mejor" forma sería probar la red con la nueva función y ver los resultados, pero ¿existe algún método para …

16 machine-learning  neural-network  feature-selection  feature-extraction 

Tengo un problema de clasificación binaria: Aproximadamente 1000 muestras en conjunto de entrenamiento 10 atributos, incluidos binario, numérico y categórico ¿Qué algoritmo es la mejor opción para este tipo de problema? De manera predeterminada, comenzaré con SVM (preliminar que tiene valores de atributos nominales convertidos en características binarias), ya que …

16 classification  binary  svm  random-forest  logistic-regression 

Estoy trabajando para mejorar un clasificador supervisado existente, para clasificar las secuencias de {proteína} como pertenecientes a una clase específica (precursores de hormonas neuropéptidas), o no. Hay alrededor de 1.150 "positivos" conocidos, en un contexto de aproximadamente 13 millones de secuencias de proteínas ("Fondo desconocido / mal anotado"), o alrededor …

16 machine-learning  data-mining  python  classification