Pertanyaan yang diberi tag «machine-learning»

Apa perbedaan antara val_lossdan lossselama pelatihan di Keras? Misalnya Epoch 1/20 1000/1000 [==============================] - 1s - loss: 0.1760, val_loss: 0.2032 Di beberapa situs saya membaca bahwa pada validasi, dropout tidak berfungsi.

18 machine-learning  deep-learning  keras 

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 

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 

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 

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 

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 

Pertimbangkan jaringan saraf: Untuk set data tertentu, kami membaginya ke dalam pelatihan, validasi, dan set tes. Misalkan kita melakukannya dalam rasio klasik 60:20:20, maka kita mencegah overfitting dengan memvalidasi jaringan dengan memeriksa pada set validasi. Lalu apa perlunya mengujinya pada set tes untuk memeriksa kinerjanya? Tidakkah kesalahan pada set tes …

17 machine-learning  neural-network  cross-validation 

Saya memiliki fitur jarang yang bersifat prediksi, juga saya memiliki beberapa fitur padat yang juga dapat memprediksi. Saya perlu menggabungkan fitur-fitur ini bersama-sama untuk meningkatkan kinerja keseluruhan classifier. Sekarang, masalahnya adalah ketika saya mencoba untuk menggabungkan ini bersama-sama, fitur padat cenderung lebih mendominasi fitur jarang, maka hanya memberikan peningkatan 1% …

17 machine-learning  classification  predictive-modeling  scikit-learn  supervised-learning 

Saya sedang mengerjakan proyek tentang masalah identifikasi penulis. Saya telah menerapkan normalisasi tf-idf untuk melatih data dan kemudian melatih svm pada data itu. Sekarang ketika menggunakan classifier saya harus menormalkan data uji juga. Saya merasa bahwa tujuan dasar dari normalisasi adalah untuk membuat pembelajaran juga memberikan bobot lebih untuk fitur-fitur …

17 machine-learning  neural-network  deep-learning 

Saya sedang membangun alur kerja untuk membuat model pembelajaran mesin (dalam kasus saya, menggunakan Python pandasdan sklearnpaket - paket) dari data yang diambil dari database yang sangat besar (di sini, Vertica melalui SQL dan pyodbc), dan langkah penting dalam proses itu melibatkan memasukkan hilang nilai-nilai prediktor. Ini sangat mudah dalam …

16 machine-learning  python  pandas  scikit-learn 

Saya telah melalui artikel di blog kaggle. Berulang kali, penulis menyebutkan 'skor LB' dan 'LB fit') sebagai metrik untuk efektivitas pembelajaran mesin (bersama dengan skor cross validation (CV)). Dengan penelitian untuk makna 'LB' saya menghabiskan sedikit waktu, saya menyadari bahwa umumnya orang secara langsung menyebutnya sebagai LB tanpa banyak latar …

16 machine-learning  accuracy 

Saya mulai belajar Machine learning dari situs web Tensorflow. Saya telah mengembangkan pemahaman yang sangat mendasar tentang aliran yang diikuti oleh program pembelajaran yang mendalam (metode ini membuat saya belajar lebih cepat daripada membaca buku dan artikel besar). Ada beberapa hal membingungkan yang saya temui, 2 di antaranya adalah: Bias …

16 machine-learning  deep-learning  tensorflow 

Apa keunggulan atau properti yang menunjukkan bahwa masalah pembelajaran tertentu dapat diatasi dengan menggunakan mesin vektor dukungan? Dengan kata lain, apa itu, ketika Anda melihat masalah belajar, membuat Anda pergi "oh saya pasti harus menggunakan SVM untuk ini '' daripada jaringan saraf atau pohon Keputusan atau apa pun?

16 machine-learning  svm  supervised-learning  unsupervised-learning 

Saya tahu bahwa tidak ada jawaban yang jelas untuk pertanyaan ini, tetapi anggaplah saya memiliki jaringan saraf besar, dengan banyak data dan saya ingin menambahkan fitur baru dalam input. Cara "terbaik" adalah menguji jaringan dengan fitur baru dan melihat hasilnya, tetapi apakah ada metode untuk menguji apakah fitur tersebut SANGAT …

16 machine-learning  neural-network  feature-selection  feature-extraction