Ciencia de los datos

¿Cómo podría dividir aleatoriamente una matriz de datos y el vector de etiqueta correspondiente en un X_train, X_test, X_val, y_train, y_test, y_val con Sklearn? Que yo sepa, sklearn.cross_validation.train_test_splitsolo es capaz de dividirse en dos, no en tres ...

59 machine-learning  scikit-learn 

Esta pregunta es en respuesta a un comentario que vi en otra pregunta. El comentario fue sobre el programa de estudios de Machine Learning en Coursera, y en la línea de "SVMs no se utilizan tanto hoy en día". Acabo de terminar las conferencias relevantes por mí mismo, y entiendo …

58 data-mining  svm  state-of-the-art 

La lógica a menudo establece que al equipar un modelo de manera insuficiente, aumenta su capacidad de generalizar. Dicho esto, claramente en algún momento la falta de adecuación de un modelo hace que los modelos empeoren independientemente de la complejidad de los datos. ¿Cómo sabe cuándo su modelo ha alcanzado …

56 efficiency  algorithms  parameter 

Recientemente leí el comentario de Yan LeCuns sobre convoluciones 1x1 : En las redes convolucionales, no existen las "capas completamente conectadas". Solo hay capas de convolución con núcleos de convolución 1x1 y una tabla de conexión completa. Es un hecho que rara vez se entiende que ConvNets no necesita tener …

55 neural-network  convnet 

He estado pensando en las redes neuronales recurrentes (RNN) y sus variedades y las redes neuronales convolucionales (CNN) y sus variedades. ¿Sería justo decir estos dos puntos: Use CNN para dividir un componente (como una imagen) en subcomponentes (como un objeto en una imagen, como el contorno del objeto en …

53 machine-learning  neural-network  beginner 

Veo muchas veces en la descripción del trabajo de un científico de datos que solicita experiencia en Python / Java y no tengo en cuenta a R. A continuación se muestra un correo electrónico personal que recibí del científico de datos en jefe de una empresa que solicité a través …

53 beginner  tools  career  reference-request 

Sabía que Residual Network (ResNet) hizo popular la inicialización normal. En ResNet, se usa la inicialización normal de He , mientras que la primera capa usa la inicialización uniforme de He. He revisado el papel de ResNet y el documento "Profundizando en los rectificadores" (papel de inicialización de He), pero …

51 neural-network  deep-learning  normalization 

¿Cuál es el enfoque correcto y el algoritmo de agrupación para la agrupación de geolocalización? Estoy usando el siguiente código para agrupar las coordenadas de geolocalización: import numpy as np import matplotlib.pyplot as plt from scipy.cluster.vq import kmeans2, whiten coordinates= np.array([ [lat, long], [lat, long], ... [lat, long] ]) x, …

51 machine-learning  python  clustering  k-means  geospatial 

Estoy trabajando en un proyecto de ciencia de datos usando Python. El proyecto tiene varias etapas. Cada etapa consiste en tomar un conjunto de datos, usar scripts de Python, datos auxiliares, configuración y parámetros, y crear otro conjunto de datos. Guardo el código en git, para que esa parte quede …

50 python  tools  version-control 

Cuando comencé con las redes neuronales artificiales (NN) pensé que tendría que luchar contra el sobreajuste como el principal problema. Pero en la práctica ni siquiera puedo lograr que mi NN pase la barrera de la tasa de error del 20%. ¡Ni siquiera puedo superar mi puntaje en un bosque …

50 neural-network  deep-learning 

La asignación de Dirichlet latente (LDA) y el proceso de Dirichlet jerárquico (HDP) son procesos de modelado de temas. La principal diferencia es que LDA requiere la especificación de la cantidad de temas, y HDP no. ¿Por qué es así? ¿Y cuáles son las diferencias, pros y contras de ambos …

49 nlp  topic-model  lda 

La lógica a menudo establece que al sobreajustar un modelo, su capacidad de generalizar es limitada, aunque esto solo puede significar que el sobreajuste impide que un modelo mejore después de una cierta complejidad. ¿El sobreajuste hace que los modelos empeoren independientemente de la complejidad de los datos y, de …

49 machine-learning  predictive-modeling 

Estoy usando TensorFlow para experimentos principalmente con redes neuronales. Aunque he realizado bastantes experimentos (XOR-Problema, MNIST, algunas cosas de Regresión, ...) ahora, me cuesta elegir la función de costo "correcta" para problemas específicos porque en general podría ser considerado un principiante. Antes de venir a TensorFlow, codifiqué algunos MLP completamente …

49 machine-learning  python  neural-network  statistics  tensorflow 

Las redes neuronales obtienen los mejores resultados en tareas de visión por computadora (ver MNIST , ILSVRC , Kaggle Galaxy Challenge ). Parecen superar a cualquier otro enfoque en Computer Vision. Pero también hay otras tareas: Desafío de actividad molecular de Kaggle Regresión: predicción de Kaggle Rain , también el …

48 machine-learning  pgm 

R tiene muchas bibliotecas dirigidas al análisis de datos (por ejemplo, JAGS, BUGS, ARULES, etc.), y se menciona en libros de texto populares como: J.Krusche, Doing Bayesian Data Analysis; B.Lantz, "Aprendizaje automático con R". He visto una directriz de 5 TB para que un conjunto de datos se considere como …

48 bigdata  r