Ilmu Data

Saat membangun peringkat, katakanlah untuk mesin pencari, atau sistem rekomendasi, apakah valid untuk mengandalkan frekuensi klik untuk menentukan relevansi suatu entri?

17 recommender-system  information-retrieval 

Di sini jawabannya mengacu pada gradien menghilang dan meledak yang telah di- sigmoidfungsi aktivasi tetapi, saya kira, Relumemiliki kelemahan dan itu adalah nilai yang diharapkan. tidak ada batasan untuk output Reludan nilai yang diharapkan tidak nol. Saya ingat waktu sebelum popularitas Reluyang tanhadalah yang paling populer di antara mesin ahli …

17 machine-learning  neural-network  deep-learning  gradient-descent  activation-function 

Untuk deteksi, cara umum untuk menentukan apakah satu proposal objek benar adalah Persimpangan atas Union (IoU, IU). Ini mengambil himpunan dari objek piksel yang diusulkan dan set piksel objek benar dan menghitung:BSEBUAHSEBUAHABBB sayao U( A , B ) = A ∩ BA ∪ BsayaHaiU(SEBUAH,B)=SEBUAH∩BSEBUAH∪BIoU(A, B) = \frac{A \cap B}{A \cup …

17 computer-vision 

Saya bertanya-tanya bagaimana cara memberi label (tag) kalimat / paragraf / dokumen dengan doc2vec di gensim - dari sudut pandang praktis. Apakah Anda perlu memiliki setiap kalimat / paragraf / dokumen dengan label uniknya sendiri (mis. "Sent_123")? Ini sepertinya berguna jika Anda ingin mengatakan "kata atau kalimat apa yang paling …

17 machine-learning  text-mining  word-embeddings  word2vec 

Bagging adalah generasi dari beberapa prediktor yang berfungsi sebagai peramal sebagai satu prediktor tunggal. Dropout adalah teknik yang mengajarkan ke jaringan saraf untuk rata-rata semua subnetwork yang mungkin. Melihat kompetisi Kaggle yang paling penting, tampaknya kedua teknik ini sering digunakan bersama. Saya tidak bisa melihat perbedaan teoretis selain implementasi yang …

17 machine-learning  neural-network  deep-learning 

Ketika inisialisasi acak centroid digunakan, berbagai K-means menghasilkan SSE total yang berbeda. Dan itu sangat penting dalam kinerja algoritma. Apa saja pendekatan efektif untuk menyelesaikan masalah ini? Pendekatan terbaru dihargai.

17 data-mining  clustering  k-means 

Saya memiliki masalah mengelompokkan kalimat dalam jumlah besar ke dalam kelompok dengan artinya. Ini mirip dengan masalah ketika Anda memiliki banyak kalimat dan ingin mengelompokkannya berdasarkan artinya. Algoritma apa yang disarankan untuk melakukan ini? Saya tidak tahu jumlah cluster di muka (dan karena semakin banyak data yang datang, cluster juga …

17 clustering  text-mining  algorithms  scikit-learn 

Saya memiliki matriks jarang pengguna dan item yang mereka sukai (dalam urutan pengguna 1M dan item 100K, dengan tingkat sparsitas yang sangat rendah). Saya mencari cara di mana saya bisa melakukan pencarian kNN di atasnya. Mengingat ukuran dataset saya dan beberapa tes awal yang saya lakukan, asumsi saya adalah bahwa …

17 machine-learning  distributed  map-reduce  dimensionality-reduction 

Ada kehebohan baru-baru ini dengan facebook bereksperimen pada pengguna mereka untuk melihat apakah mereka dapat mengubah emosi pengguna dan sekarang okcupid . Sementara saya bukan ilmuwan data profesional, saya membaca tentang etika sains data dari buku Cathy O'Neill 'Doing Data Science' dan ingin tahu apakah ini adalah sesuatu yang diajarkan …

17 social-network-analysis 

Saya perlu membuat laporan dasbor analitik web berkala (harian, bulanan). Mereka akan statis dan tidak memerlukan interaksi, jadi bayangkan file PDF sebagai output target. Laporan akan mencampur tabel dan grafik (terutama grafik grafik mini dan grafik bullet yang dibuat dengan ggplot2). Pikirkan dasbor gaya Stephen Few / Perceptual Edge, seperti: …

17 r  visualization 

Saya sedang mengerjakan pertanyaan dari buku online: http://neuralnetworksanddeeplearning.com/chap1.html Saya bisa mengerti bahwa jika lapisan output tambahan adalah 5 neuron output, saya mungkin bisa menetapkan bias pada 0,5 dan berat masing-masing 0,5 untuk lapisan sebelumnya. Tetapi pertanyaannya sekarang meminta lapisan baru dari empat neuron keluaran - yang lebih dari cukup untuk …

17 neural-network 

Apa alat terbaik yang digunakan untuk memvisualisasikan (menggambar simpul dan tepi) grafik dengan 10.00000 simpul? Ada sekitar 50.000 tepi dalam grafik. Dan saya dapat menghitung lokasi masing-masing simpul dan tepi. Saya sedang berpikir tentang menulis sebuah program untuk menghasilkan svg. Ada saran lain?

17 visualization  graphs 

Saya menggunakan Libsvm untuk melatih data dan memprediksi klasifikasi pada masalah analisis semantik . Tetapi memiliki masalah kinerja pada data skala besar, karena analisis semantik menyangkut masalah n-dimensi . Tahun lalu, Liblinear dirilis, dan itu dapat menyelesaikan hambatan kinerja. Tetapi biaya memori terlalu banyak . Apakah MapReduce satu-satunya cara untuk …

17 machine-learning  bigdata  libsvm 

Asumsikan bahwa kita memiliki satu set elemen E dan kesamaan ( tidak jarak ) fungsi sim (ei, ej) antara dua elemen ei, ej ∈ E . Bagaimana kita (secara efisien) mengelompokkan elemen-elemen E , menggunakan sim ? k -berarti, misalnya, membutuhkan k yang diberikan , Canopy Clustering membutuhkan dua nilai …

17 clustering  algorithms  similarity 

Saya memiliki proyek hobi yang saya renungkan sebagai komitmen untuk meningkatkan pengalaman belajar mesin saya yang sejauh ini terbatas. Saya telah mengambil dan menyelesaikan MOOC Coursera tentang topik tersebut. Pertanyaan saya berkaitan dengan kelayakan proyek. Tugasnya adalah sebagai berikut: Kucing tetangga kadang-kadang mengunjungi kebun saya, yang saya tidak suka karena …

17 machine-learning