Ciencia de los datos

Me pregunto qué tipo de validación cruzada de modelo elegir para el problema de clasificación: K-fold o submuestreo aleatorio (muestreo de arranque). Mi mejor conjetura es usar 2/3 del conjunto de datos (que es ~ 1000 artículos) para entrenamiento y 1/3 para validación. En este caso, K-fold solo da tres …

10 cross-validation  sampling 

supongamos que quiero entrenar un algoritmo de regresión de descenso de gradiente estocástico usando un conjunto de datos que tiene N muestras. Como el tamaño del conjunto de datos es fijo, reutilizaré los datos T veces. En cada iteración o "época", uso cada muestra de entrenamiento exactamente una vez después …

10 python  gradient-descent  regression 

Existen varios conjuntos de datos clásicos para tareas de clasificación / regresión de aprendizaje automático. Los más populares son: Conjunto de datos de flor de iris ; Conjunto de datos titánicos ; Automóviles de tendencia de motor ; etc. ¿Pero alguien conoce conjuntos de datos similares para el análisis de …

10 dataset  graphs 

Estoy trabajando en una campaña política en la que docenas de voluntarios llevarán a cabo promociones en las próximas semanas. Dada una lista con nombres, direcciones y coordenadas largas / largas, qué algoritmos se pueden usar para crear una lista de paseo optimizada.

10 algorithms 

Construí una red neuronal artificial en Python usando la función de optimización scipy.optimize.minimize (gradiente conjugado). Implementé la verificación de gradiente, verifiqué todo, etc., y estoy bastante seguro de que funciona correctamente. Lo he ejecutado varias veces y llega a 'Optimización finalizada con éxito', sin embargo, cuando aumento el número de …

10 machine-learning  python  neural-network 

Tengo un montón de perfiles de clientes almacenados en un clúster de Elasticsearch . Estos perfiles ahora se utilizan para la creación de grupos objetivo para nuestras suscripciones de correo electrónico. Los grupos objetivo ahora se forman manualmente usando las capacidades de búsqueda facetada de búsqueda elástica (como obtener todos …

10 data-mining  clustering 

Me he encontrado con el siguiente problema, que reconozco es bastante típico. Tengo algunos datos grandes, por ejemplo, unos pocos millones de filas. Ejecuto algunos análisis no triviales, por ejemplo, una consulta SQL que consta de varias subconsultas. Obtengo algún resultado, indicando, por ejemplo, que la propiedad X aumenta con …

10 data-mining  sql  experiments 

Aquí encontrará una descripción general del proceso de optimización de hiperparámetros en scikit-learn . La búsqueda exhaustiva de la cuadrícula encontrará el conjunto óptimo de hiperparámetros para un modelo. La desventaja es que la búsqueda exhaustiva en la red es lenta. La búsqueda aleatoria es más rápida que la búsqueda …

10 scikit-learn  hyperparameter  hyperparameter-tuning  grid-search  randomized-algorithms 

Estaba analizando el clasificador creado usando un árbol de decisión. Hay un parámetro de ajuste llamado max_depth en el árbol de decisión de scikit. ¿Es esto equivalente a podar un árbol de decisión? Si no, ¿cómo podría podar un árbol de decisión usando scikit? dt_ap = tree.DecisionTreeClassifier(random_state=1, max_depth=13) boosted_dt = …

10 machine-learning  python  scikit-learn  decision-trees  supervised-learning 

No puedo entender el propósito de los pesos de muestreo de importancia (IS) en la reproducción priorizada (página 5) . Es más probable que se muestree una transición de la repetición de la experiencia cuanto mayor sea su "costo". Tengo entendido que 'IS' ayuda a abandonar sin problemas el uso …

10 reinforcement-learning 

La normalización por lotes se describe en este documento como una normalización de la entrada a una función de activación con variables de escala y desplazamientoγγ\gamma y ββ\beta. Este artículo describe principalmente el uso de la función de activación sigmoidea, que tiene sentido. Sin embargo, me parece que alimentar una …

10 machine-learning  neural-network  deep-learning  batch-normalization 

He leído la explicación de la convolución y la entiendo hasta cierto punto. ¿Alguien puede ayudarme a entender cómo esta operación se relaciona con la convolución en redes neuronales convolucionales? ¿Es el filtro como una función gque aplica peso?

10 machine-learning  neural-network  deep-learning  cnn  convolution  machine-learning  ensemble-modeling  machine-learning  classification  data-mining  clustering  machine-learning  feature-selection  convnet  pandas  graphs  ipython  machine-learning  apache-spark  multiclass-classification  naive-bayes-classifier  multilabel-classification  machine-learning  data-mining  dataset  data-cleaning  data  machine-learning  data-mining  statistics  correlation  machine-learning  data-mining  dataset  data-cleaning  data  beginner  career  python  r  visualization  machine-learning  data-mining  nlp  stanford-nlp  dataset  linear-regression  time-series  correlation  anomaly-detection  ensemble-modeling  data-mining  machine-learning  python  data-mining  recommender-system  machine-learning  cross-validation  model-selection  scoring  prediction  sequential-pattern-mining  categorical-data  python  tensorflow  image-recognition  statistics  machine-learning  data-mining  predictive-modeling  data-cleaning  preprocessing  classification  deep-learning  tensorflow  machine-learning  algorithms  data  keras  categorical-data  reference-request  loss-function  classification  logistic-regression  apache-spark  prediction  naive-bayes-classifier  beginner  nlp  word2vec  vector-space-models  scikit-learn  decision-trees  data  programming 

Supongamos que estamos utilizando un tamaño de lote de 100 muestras para el aprendizaje. Entonces, en cada lote, el peso de cada neurona (y sesgo, etc.) se actualiza agregando el menos de la tasa de aprendizaje * el valor de error promedio que encontramos usando las 100 muestras * la …

10 neural-network  deep-learning  backpropagation 

Mi pregunta es esta: ¿Hay alguna diferencia entre el aprendizaje automático y la inteligencia artificial? ¿O estos términos se refieren a lo mismo?

10 machine-learning  theory 

Me gustaría poder estimar si un modelo propuesto es lo suficientemente pequeño como para ser entrenado en una GPU con una cantidad dada de memoria Si tengo una arquitectura CNN simple como esta: Input: 50x50x3 C1: 32 núcleos 3x3, con relleno (supongo que en realidad son 3x3x3 dada la profundidad …

10 machine-learning  neural-network  convnet  parameter-estimation  gpu