Preguntas etiquetadas con python

Estoy construyendo un flujo de trabajo para crear modelos de aprendizaje automático (en mi caso, usando Python pandasy sklearnpaquetes) a partir de datos extraídos de una base de datos muy grande (aquí, Vertica a través de SQL y pyodbc), y un paso crítico en ese proceso implica que faltan valores …

16 machine-learning  python  pandas  scikit-learn 

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 

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 

He estado haciendo un problema de clasificación y he leído el código y los tutoriales de muchas personas. Una cosa que he notado es que muchas personas toman np.logo logde variables continuas como loan_amounto applicant_incomeetc. Solo quiero entender la razón detrás de esto. ¿Ayuda a mejorar la precisión de predicción …

16 machine-learning  python  classification  scikit-learn 

Creo un corr()df a partir de un df original. El corr()DF salió 70 X 70 y es imposible de visualizar el mapa de calor ... sns.heatmap(df). Si trato de mostrar corr = df.corr(), la tabla no se ajusta a la pantalla y puedo ver todas las correlaciones. ¿Es una forma …

16 visualization  pandas  plotting  machine-learning  neural-network  svm  decision-trees  svm  efficiency  python  linear-regression  machine-learning  nlp  topic-model  lda  named-entity-recognition  naive-bayes-classifier  association-rules  fuzzy-logic  kaggle  deep-learning  tensorflow  inception  classification  feature-selection  feature-engineering  machine-learning  scikit-learn  tensorflow  keras  encoding  nlp  text-mining  nlp  rnn  python  neural-network  feature-extraction  machine-learning  predictive-modeling  python  r  linear-regression  clustering  r  ggplot2  neural-network  neural-network  training  python  neural-network  deep-learning  rnn  predictive-modeling  databases  sql  programming  distribution  dataset  cross-validation  neural-network  deep-learning  rnn  machine-learning  machine-learning  python  deep-learning  data-mining  tensorflow  visualization  tools  sql  embeddings  orange  feature-extraction  unsupervised-learning  gan  machine-learning  python  data-mining  pandas  machine-learning  data-mining  bigdata  apache-spark  apache-hadoop  deep-learning  python  convnet  keras  aggregation  clustering  k-means  r  random-forest  decision-trees  reference-request  visualization  data  pandas  plotting  neural-network  keras  rnn  theano  deep-learning  tensorflow  inception  predictive-modeling  deep-learning  regression  sentiment-analysis  nlp  encoding  deep-learning  python  scikit-learn  lda  convnet  keras  predictive-modeling  regression  overfitting  regression  svm  prediction  machine-learning  similarity  word2vec  information-retrieval  word-embeddings  neural-network  deep-learning  rnn 

En el blog de Keras sobre capacitación de redes de comunicación desde cero , el código muestra solo la red que se ejecuta en datos de capacitación y validación. ¿Qué pasa con los datos de prueba? ¿Los datos de validación son los mismos que los datos de prueba (creo que …

16 machine-learning  python  deep-learning  keras  confusion-matrix 

https://github.com/Rdatatable/data.table/wiki/Benchmarks-%3A-Grouping Los puntos de referencia data.table no se han actualizado desde 2014. Escuché en algún lugar que Pandasahora es más rápido que data.table. ¿Es esto cierto? ¿Alguien ha hecho alguna referencia? ¿Nunca he usado Python antes pero consideraría cambiar si pandaspuede vencer data.table?

16 python  r  pandas  data  data.table 

¿Qué biblioteca estable de Python puedo usar para implementar modelos ocultos de Markov? Necesito que esté razonablemente bien documentado, porque nunca antes había usado este modelo. Alternativamente, ¿existe un enfoque más directo para realizar un análisis de series de tiempo en un conjunto de datos utilizando HMM?

15 python  time-series  markov-process 

Estoy tratando de resolver el siguiente problema: tengo un conjunto de oraciones como mi conjunto de datos, y quiero poder escribir una nueva oración y encontrar la oración con la que la nueva es más similar en el conjunto de datos. Un ejemplo se vería así: Nueva oración: " I …

15 python  nlp  scikit-learn  similarity  text 

Espero que esta pregunta sea la más adecuada en este sitio ... En Python, por lo general, el nombre de la clase se define utilizando la letra mayúscula como primer carácter, por ejemplo class Vehicle: ... Sin embargo, en el campo del aprendizaje automático, a menudo los datos de entrenamiento …

15 python  dataset 

Estoy viendo este tutorial: https://www.dataquest.io/mission/75/improving-your-submission En la sección 8, que encuentra las mejores características, muestra el siguiente código. import numpy as np from sklearn.feature_selection import SelectKBest, f_classif predictors = ["Pclass", "Sex", "Age", "SibSp", "Parch", "Fare", "Embarked", "FamilySize", "Title", "FamilyId"] # Perform feature selection selector = SelectKBest(f_classif, k=5) selector.fit(titanic[predictors], titanic["Survived"]) # …

15 python  scikit-learn 

Utilizo Python para ejecutar un modelo de bosque aleatorio en mi conjunto de datos desequilibrado (la variable de destino era una clase binaria). Al dividir el conjunto de datos de entrenamiento y prueba, luché si usar muestreo estratificado (como el código que se muestra) o no. Hasta ahora, observé en …

14 machine-learning  python  random-forest  sampling  training 

Tengo un conjunto de datos con las siguientes especificaciones: Conjunto de datos de entrenamiento con 193,176 muestras con 2,821 positivos Conjunto de datos de prueba con 82.887 muestras con 673 positivos Hay 10 características. Quiero realizar una clasificación binaria (0 o 1). El problema que enfrento es que los datos …

14 machine-learning  python  classification  logistic-regression 

Trabajo en una oficina donde SQL Server es la columna vertebral de todo lo que hacemos, desde el procesamiento de datos hasta la limpieza y el mung. Mi colega se especializa en escribir funciones complejas y procedimientos almacenados para procesar metódicamente los datos entrantes para que puedan estandarizarse y ponerse …

14 python  r  data-cleaning  data  sql