Preguntas etiquetadas con data-mining

Mi conjunto de datos contiene varios atributos numéricos y uno categórico. Decir NumericAttr1, NumericAttr2, ..., NumericAttrN, CategoricalAttr, donde CategoricalAttrtiene uno de los tres valores posibles: CategoricalAttrValue1, CategoricalAttrValue2o CategoricalAttrValue3. Estoy usando la implementación predeterminada del algoritmo de agrupación k-means para Octave https://blog.west.uni-koblenz.de/2012-07-14/a-working-k-means-code-for-octave/ . Funciona solo con datos numéricos. Entonces mi pregunta: …

133 data-mining  clustering  octave  k-means  categorical-data 

Antecedentes del problema: estoy trabajando en un proyecto que involucra archivos de registro similares a los que se encuentran en el espacio de monitoreo de TI (para mi mejor comprensión del espacio de TI). Estos archivos de registro son datos de series temporales, organizados en cientos / miles de filas …

61 machine-learning  python  data-mining  anomaly-detection  library 

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 

Cuando digo "documento", tengo en mente páginas web como artículos de Wikipedia e historias de noticias. Prefiero las respuestas que ofrecen métricas de distancia léxica de vainilla o métricas de distancia semántica de última generación, con mayor preferencia por la última.

34 machine-learning  data-mining  nlp  text-mining  similarity 

Estoy tratando de entrenar un modelo de aumento de gradiente en más de 50k ejemplos con 100 características numéricas. XGBClassifiermaneja 500 árboles en 43 segundos en mi máquina, mientras que GradientBoostingClassifiermaneja solo 10 árboles (!) en 1 minuto y 2 segundos :( No me molesté en tratar de cultivar 500 …

29 scikit-learn  xgboost  gbm  data-mining  classification  data-cleaning  machine-learning  reinforcement-learning  data-mining  bigdata  dataset  nlp  language-model  stanford-nlp  machine-learning  neural-network  deep-learning  randomized-algorithms  machine-learning  beginner  career  xgboost  loss-function  neural-network  software-recommendation  naive-bayes-classifier  classification  scikit-learn  feature-selection  r  random-forest  cross-validation  data-mining  python  scikit-learn  random-forest  churn  python  clustering  k-means  machine-learning  nlp  sentiment-analysis  machine-learning  programming  python  scikit-learn  nltk  gensim  visualization  data  csv  neural-network  deep-learning  descriptive-statistics  machine-learning  supervised-learning  text-mining  orange  data  parameter-estimation  python  pandas  scraping  r  clustering  k-means  unsupervised-learning 

Tengo un gran conjunto de datos (alrededor de 8 GB). Me gustaría utilizar el aprendizaje automático para analizarlo. Entonces, creo que debería usar SVD y luego PCA para reducir la dimensionalidad de los datos para la eficiencia. Sin embargo, MATLAB y Octave no pueden cargar un conjunto de datos tan …

29 bigdata  data-mining  dimensionality-reduction 

El problema se refiere a la construcción de árboles de decisión. Según Wikipedia, el ' coeficiente de Gini ' no debe confundirse con la ' impureza de Gini '. Sin embargo, ambas medidas se pueden usar al construir un árbol de decisión; estas pueden respaldar nuestras elecciones al dividir el …

25 data-mining 

No tenía claros algunos conceptos: XGBoost convierte a los alumnos débiles en alumnos fuertes. ¿Cuál es la ventaja de hacer esto? ¿Combinando muchos estudiantes débiles en lugar de usar un solo árbol? Random Forest usa varias muestras del árbol para crear un árbol. ¿Cuál es la ventaja de este método …

25 machine-learning  data-mining  random-forest  decision-trees  xgboost 

Espero que me puedan ayudar, ya que tengo algunas preguntas sobre este tema. Soy nuevo en el campo del aprendizaje profundo, y aunque hice algunos tutoriales, no puedo relacionar o distinguir conceptos entre sí.

24 machine-learning  data-mining  neural-network  nlp  deep-learning 

Estoy aprendiendo acerca de la factorización matricial para los sistemas de recomendación y veo que el término latent featuresocurre con demasiada frecuencia, pero no puedo entender lo que significa. Sé lo que es una característica, pero no entiendo la idea de las características latentes. ¿Podría por favor explicarlo? ¿O al …

24 machine-learning  data-mining  recommender-system 

Estoy seguro de que la ciencia de datos como se discutirá en este foro tiene varios sinónimos o al menos campos relacionados donde se analizan datos grandes. Mi pregunta particular es con respecto a la minería de datos. Tomé una clase de posgrado en minería de datos hace unos años. …

22 data-mining  definitions 

Fondo Estoy trabajando en un conjunto de datos de series temporales de lecturas de medidores de energía. La longitud de la serie varía según el metro: para algunos tengo varios años, otros solo unos pocos meses, etc. Muchos muestran una estacionalidad significativa y, a menudo, varias capas, dentro del día, …

22 data-mining  clustering  time-series  beginner 

Estoy interesado en saber qué sucede realmente en Hellinger Distance (en términos simples). Además, también me interesa saber cuáles son los tipos de problemas que podemos usar Hellinger Distance. ¿Cuáles son los beneficios de usar Hellinger Distance?

19 machine-learning  data-mining  text-mining  distance 

Estoy tratando de encontrar una fórmula, método o modelo para usar para analizar la probabilidad de que un evento específico influya en algunos datos longitudinales. Tengo dificultades para averiguar qué buscar en Google. Aquí hay un escenario de ejemplo: Imagen que posee un negocio que tiene un promedio de 100 …

19 machine-learning  data-mining  statistics 

Recientemente me encontré con los términos Word2Vec , Sentence2Vec y Doc2Vec y me confundí un poco porque soy nuevo en la semántica de vectores. ¿Puede alguien explicar las diferencias en estos métodos en palabras simples? ¿Cuáles son las tareas más adecuadas para cada método?

18 machine-learning  data-mining  clustering  nlp  unsupervised-learning