Ciencia de los datos

Soy un principiante en el aprendizaje automático y me enfrento a una situación. Estoy trabajando en un problema de oferta en tiempo real, con el conjunto de datos IPinYou y estoy tratando de hacer una predicción de clics. El hecho es que, como ya sabrá, el conjunto de datos está …

13 machine-learning  dataset  sampling 

Soy muy nuevo en Scala y Spark, y estoy trabajando en algunos ejercicios hechos por mí mismo usando estadísticas de béisbol. Estoy usando una clase de caso para crear un RDD y asignar un esquema a los datos, y luego lo estoy convirtiendo en un DataFrame para poder usar SparkSQL …

13 apache-spark  scala 

Supongamos que tengo clasificadores C_1 ... C_n que son disjuntos en el sentido de que no habrá dos verdaderos en la misma entrada (por ejemplo, los nodos en un árbol de decisión). Quiero construir un nuevo clasificador que sea la unión de algún subconjunto de estos (por ejemplo, quiero decidir …

13 algorithms 

¿Alguien puede decirme cuál es el propósito de la generación de características? ¿Y por qué se necesita el enriquecimiento del espacio de características antes de clasificar una imagen? ¿Es un paso necesario? ¿Hay algún método para enriquecer el espacio de características?

13 machine-learning  classification 

Estoy trabajando en un proyecto de ciencia de datos relacionado con la minería de relaciones sociales y necesito almacenar datos en algunas bases de datos de gráficos. Inicialmente elegí Neo4j como la base de datos. Pero parece que Neo4j no escala bien. La alternativa que descubrí son Titan y oriebtDB. …

13 data-mining  graphs  databases  social-network-analysis 

En primer lugar, este término suena muy oscuro. De todos modos ... Soy un programador de software. Uno de los idiomas que puedo codificar es Python. Hablando de datos, puedo usar SQL y puedo hacer Data Scraping. Lo que descubrí hasta ahora después de leer tantos artículos en los que …

13 beginner  career 

Un bosque aleatorio (RF) es creado por un conjunto de árboles de decisión (DT). Al usar el ensacado, cada DT se entrena en un subconjunto de datos diferente. Por lo tanto, ¿hay alguna forma de implementar un bosque aleatorio en línea agregando más tensión de decisión en los nuevos datos? …

13 random-forest  online-learning 

Estoy tratando de encontrar un equivalente de diagramas de Hinton para redes de múltiples capas para trazar los pesos durante el entrenamiento. La red entrenada es algo similar a un SRN profundo, es decir, tiene una gran cantidad de matrices de peso múltiple que harían visualmente confuso el diagrama simultáneo …

13 machine-learning  neural-network  visualization  deep-learning 

Estoy explorando diferentes tipos de estructuras de árbol de análisis. Las dos estructuras de árbol de análisis ampliamente conocidas son: a) árbol de análisis basado en la circunscripción yb) estructuras de árbol de análisis basadas en la dependencia. Puedo usar generar ambos tipos de estructuras de árbol de análisis usando …

13 machine-learning  nlp  feature-selection  feature-extraction 

Cuando una base de datos relacional, como MySQL, tiene mejor rendimiento que una no relacional, como MongoDB? El otro día vi una pregunta en Quora sobre por qué Quora todavía usa MySQL como su back-end y que su rendimiento sigue siendo bueno.

13 bigdata  performance  databases  nosql 

Recientemente me introdujeron en el campo de la Ciencia de Datos (han pasado 6 meses aproximadamente), y Ii comenzó el viaje con el Curso de Aprendizaje Automático de Andrew Ng y la publicación que comenzó a trabajar en la Especialización en Ciencia de Datos de JHU. En el frente de …

13 machine-learning 

Tengo un conjunto de resultados de una prueba A / B (un grupo de control, un grupo de características) que no se ajustan a una Distribución Normal. De hecho, la distribución se parece más a la distribución de Landau. Creo que la prueba t independiente requiere que las muestras estén …

13 dataset  statistics  ab-test 

Soy un estudiante de maestría de CS en minería de datos. Mi supervisor me dijo una vez que antes de ejecutar cualquier clasificador o hacer algo con un conjunto de datos, debo entender completamente los datos y asegurarme de que estén limpios y correctos. Mis preguntas: ¿Cuáles son las mejores …

13 statistics  dataset 

He leído muchos blogs \ artículos sobre cómo diferentes tipos de industrias están utilizando Big Data Analytic. Pero la mayoría de estos artículos no menciona Qué tipo de datos usaron estas compañías. ¿Cuál fue el tamaño de los datos? ¿Qué tipo de herramientas tecnológicas utilizaron para procesar los datos? ¿Cuál …

13 data-mining  bigdata  usecase 

Si eliminar algunas neuronas da como resultado un modelo de mejor rendimiento, ¿por qué no utilizar una red neuronal más simple con menos capas y menos neuronas en primer lugar? ¿Por qué construir un modelo más grande y complicado al principio y suprimir partes de él más tarde?

13 machine-learning  deep-learning  keras  regularization  dropout