데이터 과학

나는 사이의 선택에 혼란 조금 해요 Keras (keras 팀 / keras) 및 tf.keras을 (tensorflow / tensorflow / 파이썬 / keras /) 내 새로운 연구 프로젝트. Keras 가 누구도 소유하지 않는다는 논쟁이 있습니다 . 따라서 사람들이 더 기고하고 프로젝트를 관리하기가 훨씬 쉬워 질 것입니다. ‬ 다른 측면에서, tf.keras은 Google에서 지금보다 엄격한 …

20 python  deep-learning  keras  tensorflow 

나는 딥 러닝의 초보자입니다. Intel GPU와 함께 TensorFlow를 사용할 수있는 방법이 있습니까? 그렇다면 올바른 방향으로 알려주십시오. 그렇지 않은 경우 Intel Corporation Xeon E3-1200 v3 / 4 세대 코어 프로세서 통합 그래픽 컨트롤러에 사용할 수있는 프레임 워크 (Keras, Theano 등)가 있으면 알려주십시오.

20 tensorflow  keras  theano  gpu 

사용 StandardScaler에 대해 읽을 때 대부분의 권장 사항은 데이터를 기차 / 테스트로 나누기 StandardScaler 전에 사용해야한다고 말 했지만 온라인으로 게시 된 코드 중 일부 (sklearn을 사용하여)를 확인했을 때 두 가지 주요 용도가있었습니다. 1- StandardScaler모든 데이터를 사용 합니다. 예 : from sklearn.preprocessing import StandardScaler sc = StandardScaler() X_fit = sc.fit(X) X_std …

20 machine-learning  scikit-learn  preprocessing 

어느 것이 정확도에 더 좋거나 같습니까? 물론 categorical_crossentropy를 사용하는 경우 하나의 핫 인코딩을 사용하고 sparse_categorical_crossentropy를 사용하는 경우 일반 정수로 인코딩합니다. 또한, 어느 것이 다른 것보다 더 좋은가?

20 neural-network  keras  loss-function  encoding 

범주 형 속성과 숫자 형 속성을 조합 한 경우 일반적으로 범주 형 속성을 하나의 핫 벡터로 변환합니다. 내 질문은 그 벡터를 그대로두고 표준화 / 정규화를 통해 수치 속성을 스케일링합니까? 아니면 하나의 핫 벡터를 수치 속성과 함께 스케일링해야합니까?

20 feature-engineering  feature-scaling  data-science-model 

이 배포판에는 3 개의 수업이 있습니다. Class 0: 0.1169 Class 1: 0.7668 Class 2: 0.1163 그리고 xgboost분류에 사용 하고 있습니다. 라는 매개 변수가 있음을 알고 scale_pos_weight있습니다. 그러나 '멀티 클래스'의 경우 어떻게 처리되며 어떻게 올바르게 설정할 수 있습니까?

20 classification  xgboost  multiclass-classification  unbalanced-classes 

신경망 아키텍처를 구축 할 때 숨겨진 레이어의 노드 수와 숨겨진 레이어 수를 어떻게 결정해야하는지 궁금했습니다. 입력 및 출력 레이어는 우리가 보유한 교육 세트에 달려 있지만 숨겨진 레이어와 전반적인 아키텍처를 어떻게 결정합니까?

20 machine-learning  neural-network 

LDA에는 두 개의 하이퍼 파라미터가 있으며이를 조정하면 유도 된 주제가 변경됩니다. 알파 및 베타 하이퍼 파라미터는 LDA에 어떤 영향을 미칩니 까? 하나 또는 다른 하이퍼 파라미터가 증가 또는 감소하면 주제는 어떻게 변경됩니까? 왜 매개 변수뿐만 아니라 하이퍼 파라미터입니까?

19 topic-model  lda  parameter 

sklearn (LogisticRegression)으로 다항 로지스틱 회귀 분석을 작성 중입니다. 그러나 완료된 후에 어떻게 모델의 p- 값과 신뢰 구간을 얻을 수 있습니까? sklearn은 계수와 절편 만 제공하는 것으로 보입니다. 정말 고마워.

19 scikit-learn  logistic-regression 

Hellinger Distance에서 실제로 어떤 일이 일어나는지 알고 싶습니다 (간단한 용어로). 또한 Hellinger Distance를 사용할 수있는 유형의 문제를 알고 싶습니다. Hellinger Distance를 사용하면 어떤 이점이 있습니까?

19 machine-learning  data-mining  text-mining  distance 

카글 경쟁에 참여하고 있습니다. 데이터 세트에는 약 100 개의 기능이 있으며 모두 실제로는 무엇을 나타내는 지 알 수 없습니다. 기본적으로 그들은 단지 숫자입니다. 사람들은 이러한 기능에 대해 많은 기능 엔지니어링을 수행하고 있습니다. 정확히 알려지지 않은 기능에 대해 기능 공학을 정확히 수행 할 수있는 방법이 궁금합니다. 알려지지 않은 기능에 대해 기능 …

19 machine-learning  feature-selection  feature-extraction  feature-engineering  kaggle 

최근 Google 스프레드 시트에서 사용할 수 있는 멋진 기능을 보았습니다 . "blue", "green", "yellow"와 같은 연속 된 셀에 몇 가지 관련 키워드를 작성하는 것으로 시작하면 유사한 키워드가 자동으로 생성됩니다 (이 경우 다른 색상). 이 YouTube 비디오 에서 더 많은 예제를보십시오 . 내 프로그램에서 이것을 재현하고 싶습니다. Freebase를 사용하려고 생각하고 다음과 …

19 nlp  text-mining  freebase 

일반적으로 기계 학습 모델은 데이터 세트를 기반으로합니다. 원래의 데이터 셋 특성을 유지하는 훈련 된 머신 러닝 모델을 사용하여 합성 데이터 셋을 생성 할 수있는 방법이 있는지 알고 싶습니다. [원본 데이터-> 기계 학습 모델 구축-> ml 모델을 사용하여 합성 데이터를 생성합니다 .... !!!] 가능합니까? 가능하면 관련 자료를 알려주십시오.

19 machine-learning  dataset 

내가 다루는 문제는 짧은 텍스트를 여러 클래스로 분류하는 것입니다. 내 현재 접근 방식은 tf-idf 가중 항 주파수를 사용하고 간단한 선형 분류기 (로지스틱 회귀)를 배우는 것입니다. 이것은 합리적으로 잘 작동합니다 (테스트 세트에서 약 90 % 매크로 F-1, 훈련 세트에서 거의 100 %). 큰 문제는 보이지 않는 단어 / n- 그램입니다. 분포 …

19 machine-learning  classification  feature-selection  logistic-regression  information-retrieval 

나는 최근에 일하는 법을 배우기 시작 sklearn했고이 독특한 결과 를 보았습니다 . 나는 사용 digits가능 데이터 세트 sklearn다른 모델 및 추정 방법을 시도 할 수 있습니다. 데이터에서 Support Vector Machine 모델을 테스트 할 때 sklearnSVM 분류 에 대해 두 가지 다른 클래스가 있음을 발견했습니다 . SVC그리고 LinearSVC전자는 일대일 접근 방식을 …

19 svm  scikit-learn