คำถามติดแท็ก machine-learning

ในไคลเอนต์อีเมล iOS เมื่ออีเมลมีวันที่เวลาหรือสถานที่ข้อความจะกลายเป็นการเชื่อมโยงหลายมิติและเป็นไปได้ที่จะสร้างการนัดหมายหรือดูแผนที่เพียงแค่แตะที่ลิงค์ มันไม่ได้ทำงานกับอีเมลที่เป็นภาษาอังกฤษเท่านั้น แต่ยังใช้ในภาษาอื่นด้วย ฉันชอบคุณสมบัตินี้และต้องการที่จะเข้าใจว่าพวกเขาทำได้อย่างไร วิธีที่ไร้เดียงสาในการทำเช่นนี้คือการมีการแสดงออกปกติและเรียกใช้พวกเขาทั้งหมด อย่างไรก็ตามฉันไม่สามารถปรับขนาดได้อย่างดีและจะทำงานเฉพาะภาษาหรือรูปแบบวันที่ที่เฉพาะเจาะจงเป็นต้นฉันคิดว่า Apple ต้องใช้แนวคิดของการเรียนรู้ของเครื่องเพื่อแยกหน่วยงาน (8:00 PM, 8PM, 8:00, 0800, 20:00, 20h, 20h00, 2000 ฯลฯ ) ความคิดใดที่ Apple สามารถดึงเอนทิตีในไคลเอนต์อีเมลได้อย่างรวดเร็ว อัลกอริทึมการเรียนรู้ด้วยเครื่องใดที่คุณต้องการใช้เพื่อให้บรรลุภารกิจดังกล่าว

128 machine-learning  nlp  information-extraction  named-entity-recognition 

ฉันสังเกตเห็นว่าเมื่อใช้การเข้ารหัส One Hot กับชุดข้อมูลเฉพาะ (เมทริกซ์) และใช้เป็นข้อมูลการฝึกอบรมสำหรับอัลกอริทึมการเรียนรู้จะให้ผลลัพธ์ที่ดีกว่าอย่างมากเมื่อเทียบกับการใช้เมทริกซ์ดั้งเดิมเป็นข้อมูลการฝึกอบรม ประสิทธิภาพที่เพิ่มขึ้นนี้เกิดขึ้นได้อย่างไร?

127 machine-learning  data-mining  scikit-learn  data-analysis 

ใครช่วยอธิบายให้ชัดเจนถึงความแตกต่างระหว่าง 1D, 2D และ 3D Convolutions ใน Convolutional Neural Network (ในการเรียนรู้เชิงลึก) ด้วยการใช้ตัวอย่าง

127 machine-learning  deep-learning  signal-processing  conv-neural-network  convolution 

ในส่วนของรูปแบบมีขั้นตอนพารามิเตอร์ระบุจำนวนของขั้นตอนในการทำงานมากกว่าข้อมูล แต่ฉันเห็นในการใช้งานจริงมากที่สุดเรายังดำเนินการยังไม่มีฟังก์ชั่นพอดีepochs อะไรคือความแตกต่างระหว่างการวิ่ง 1,000 ก้าวกับ 1 ยุคและการวิ่ง 100 ก้าวกับ 10 ยุค? ข้อใดดีกว่าในทางปฏิบัติ? มีการเปลี่ยนแปลงตรรกะใด ๆ ระหว่างยุคที่ติดต่อกัน? การสับข้อมูล?

125 machine-learning  tensorflow 

ฉันคิดไม่ออกว่ามันsklearn.pipeline.Pipelineทำงานอย่างไร มีคำอธิบายที่ไม่กี่คนในที่มีเอกสาร ตัวอย่างเช่นพวกเขาหมายถึงอะไร: ท่อส่งของการแปลงด้วยตัวประมาณค่าสุดท้าย เพื่อให้คำถามของฉันชัดเจนขึ้นมีstepsอะไรบ้าง? พวกเขาทำงานอย่างไร? แก้ไข ขอบคุณสำหรับคำตอบที่ทำให้คำถามของฉันชัดเจนขึ้น: เมื่อฉันเรียกไปป์ไลน์และผ่านเป็นขั้นตอนหม้อแปลงสองตัวและตัวประมาณหนึ่งตัวเช่น: pipln = Pipeline([("trsfm1",transformer_1), ("trsfm2",transformer_2), ("estmtr",estimator)]) จะเกิดอะไรขึ้นเมื่อฉันเรียกสิ่งนี้ pipln.fit() OR pipln.fit_transform() ฉันคิดไม่ออกว่าตัวประมาณจะเป็นหม้อแปลงได้อย่างไรและจะติดตั้งหม้อแปลงได้อย่างไร

118 python  machine-learning  scikit-learn  neuraxle 

ตามที่กล่าวไว้ในปัจจุบันคำถามนี้ไม่เหมาะสำหรับรูปแบบถาม & ตอบของเรา เราคาดหวังว่าคำตอบจะได้รับการสนับสนุนจากข้อเท็จจริงการอ้างอิงหรือความเชี่ยวชาญ แต่คำถามนี้อาจก่อให้เกิดการถกเถียงโต้แย้งการสำรวจความคิดเห็นหรือการอภิปรายเพิ่มเติม หากคุณรู้สึกว่าคำถามนี้สามารถปรับปรุงได้และอาจเปิดใหม่ได้โปรดไปที่ศูนย์ช่วยเหลือเพื่อรับคำแนะนำ ปิดให้บริการใน8 ปีที่ผ่านมา มีไลบรารีการเรียนรู้ของเครื่องใน C # หรือไม่ ฉันหลังจากสิ่งที่ต้องการWEKA ขอบคุณ.

116 c#  machine-learning 

ฉันยังใหม่กับ Tensorflow และจะได้รับประโยชน์อย่างมากจากการแสดงภาพสิ่งที่ฉันกำลังทำ ฉันเข้าใจว่า Tensorboard เป็นเครื่องมือสร้างภาพที่มีประโยชน์ แต่ฉันจะเรียกใช้งานบนเครื่อง Ubuntu ระยะไกลได้อย่างไร

116 tensorflow  machine-learning  data-visualization  remote-access  tensorboard 

ฉันไม่สามารถที่จะเข้าใจหน้าของในเอกสารประกอบของStandardScalersklearn ใครช่วยอธิบายเรื่องนี้ให้ฉันเข้าใจง่ายๆ

115 python  machine-learning  scikit-learn  scaling  standardized 

อัปเดต: คำถามนี้เกี่ยวข้องกับ "การตั้งค่าโน้ตบุ๊ค: ตัวเร่งฮาร์ดแวร์: GPU" ของ Google Colab คำถามนี้เขียนขึ้นก่อนที่จะเพิ่มตัวเลือก "TPU" อ่านประกาศตื่นเต้นหลายเกี่ยวกับ Google Colaboratory ให้ฟรี Tesla GPU K80 ผมพยายามที่จะเรียกใช้fast.aiบทเรียนเกี่ยวกับมันมันจะไม่สมบูรณ์ - ได้อย่างรวดเร็ววิ่งออกมาจากหน่วยความจำ ฉันเริ่มตรวจสอบสาเหตุ บรรทัดล่างคือ“ ฟรี Tesla K80” ไม่ใช่“ ฟรี” สำหรับทุกคน - สำหรับบางส่วนเท่านั้นที่เป็น "ฟรี" ฉันเชื่อมต่อกับ Google Colab จาก West Coast Canada และได้รับเพียง 0.5GB ของสิ่งที่ควรจะเป็น GPU RAM 24GB ผู้ใช้รายอื่นสามารถเข้าถึง GPU RAM ขนาด 11GB เห็นได้ชัดว่า …

113 python  machine-learning  gpu  ram  google-colaboratory 

ฉันกำลังทำงานในปัญหาการวิเคราะห์ความรู้สึกข้อมูลมีลักษณะดังนี้: label instances 5 1190 4 838 3 239 1 204 2 127 ดังนั้นข้อมูลของฉันจะไม่สมดุลตั้งแต่ 1190 ที่ถูกกำกับด้วยinstances 5สำหรับการจัดประเภทฉันใช้SVCของ scikit SVCปัญหาคือฉันไม่รู้ว่าจะปรับสมดุลข้อมูลของฉันอย่างไรให้ถูกต้องเพื่อคำนวณความแม่นยำการเรียกคืนความแม่นยำและคะแนน f1 สำหรับกรณีมัลติคลาสอย่างถูกต้อง ดังนั้นฉันจึงลองใช้วิธีต่อไปนี้: อันดับแรก: wclf = SVC(kernel='linear', C= 1, class_weight={1: 10}) wclf.fit(X, y) weighted_prediction = wclf.predict(X_test) print 'Accuracy:', accuracy_score(y_test, weighted_prediction) print 'F1 score:', f1_score(y_test, weighted_prediction,average='weighted') print 'Recall:', recall_score(y_test, weighted_prediction, average='weighted') print …

110 python  machine-learning  nlp  artificial-intelligence  scikit-learn 

ปิด . คำถามนี้จะต้องมีมากขึ้นมุ่งเน้น ขณะนี้ยังไม่ยอมรับคำตอบ ต้องการปรับปรุงคำถามนี้หรือไม่ อัปเดตคำถามเพื่อให้เน้นไปที่ปัญหาเดียวโดยแก้ไขโพสต์นี้เท่านั้น ปิดให้บริการใน2 ปีที่ผ่านมา ปรับปรุงคำถามนี้ Expectation Maximization (EM) เป็นวิธีการที่น่าจะเป็นประเภทหนึ่งในการจำแนกข้อมูล กรุณาแก้ไขฉันถ้าฉันผิดถ้าไม่ใช่ลักษณนาม คำอธิบายที่เข้าใจง่ายเกี่ยวกับเทคนิค EM นี้คืออะไร? ที่expectationนี่คืออะไรและเป็นmaximizedอย่างไร

109 machine-learning  cluster-analysis  data-mining  mathematical-optimization  expectation-maximization 

ฉันพยายามที่จะเข้าใจบทบาทของFlattenฟังก์ชั่นใน Keras ด้านล่างนี้คือรหัสของฉันซึ่งเป็นเครือข่ายสองชั้นที่เรียบง่าย ใช้ข้อมูล 2 มิติของรูปร่าง (3, 2) และส่งออกข้อมูลรูปร่าง 1 มิติ (1, 4): model = Sequential() model.add(Dense(16, input_shape=(3, 2))) model.add(Activation('relu')) model.add(Flatten()) model.add(Dense(4)) model.compile(loss='mean_squared_error', optimizer='SGD') x = np.array([[[1, 2], [3, 4], [5, 6]]]) y = model.predict(x) print y.shape สิ่งนี้จะพิมพ์ออกมาที่yมีรูปร่าง (1, 4) อย่างไรก็ตามถ้าฉันลบFlattenเส้นมันก็จะพิมพ์ออกมาที่yมีรูปร่าง (1, 3, 4) ฉันไม่เข้าใจเรื่องนี้ จากความเข้าใจของฉันเกี่ยวกับโครงข่ายประสาทเทียมmodel.add(Dense(16, input_shape=(3, 2)))ฟังก์ชันนี้กำลังสร้างเลเยอร์ที่เชื่อมต่อเต็มรูปแบบที่ซ่อนอยู่โดยมี 16 โหนด …

109 machine-learning  tensorflow  neural-network  deep-learning  keras 

ฉันพยายามทำความเข้าใจ LSTM และวิธีสร้างด้วย Keras ฉันพบว่าโดยหลักแล้วมี 4 โหมดในการเรียกใช้ RNN (4 โหมดที่ถูกต้องในภาพ) แหล่งที่มาของภาพ: Andrej Karpathy ตอนนี้ฉันสงสัยว่าข้อมูลโค้ดแบบเรียบง่ายสำหรับแต่ละส่วนจะเป็นอย่างไรใน Keras ดังนั้นสิ่งที่ชอบ model = Sequential() model.add(LSTM(128, input_shape=(timesteps, data_dim))) model.add(Dense(1)) สำหรับแต่ละ 4 งานอาจมีคำอธิบายเล็กน้อย

108 machine-learning  neural-network  deep-learning  keras  recurrent-neural-network 

ปิด. คำถามนี้ไม่เป็นไปตามหลักเกณฑ์กองมากเกิน ขณะนี้ยังไม่ยอมรับคำตอบ ต้องการปรับปรุงคำถามนี้หรือไม่ อัปเดตคำถามเพื่อให้เป็นหัวข้อสำหรับ Stack Overflow ปิดให้บริการใน28 วันที่ผ่านมา ปรับปรุงคำถามนี้ ฉันกำลังพยายามสร้างเครือข่ายประสาทตั้งแต่เริ่มต้น ในวรรณคดี AI ทั้งหมดมีความเห็นตรงกันว่าน้ำหนักควรเริ่มต้นเป็นตัวเลขสุ่มเพื่อให้เครือข่ายมาบรรจบกันได้เร็วขึ้น แต่ทำไมน้ำหนักเริ่มต้นของโครงข่ายประสาทเทียมจึงเริ่มต้นเป็นตัวเลขสุ่ม ฉันเคยอ่านที่ไหนสักแห่งว่าสิ่งนี้ทำเพื่อ "ทำลายสมมาตร" และทำให้โครงข่ายประสาทเทียมเรียนรู้ได้เร็วขึ้น การทำลายสมมาตรทำให้เรียนรู้เร็วขึ้นได้อย่างไร จะไม่เริ่มต้นน้ำหนักเป็น 0 เป็นความคิดที่ดีกว่าหรือ? ด้วยวิธีนี้น้ำหนักจะสามารถหาค่า (ไม่ว่าจะเป็นบวกหรือลบ) ได้เร็วขึ้น? มีปรัชญาพื้นฐานอื่น ๆ ที่อยู่เบื้องหลังการสุ่มน้ำหนักนอกเหนือจากการหวังว่าค่าเหล่านี้จะอยู่ใกล้ค่าที่เหมาะสมที่สุดเมื่อเริ่มต้นหรือไม่?

105 machine-learning  neural-network  artificial-intelligence  mathematical-optimization  gradient-descent 

ถ้าเรามี eigenvectors 10 ตัวเราก็จะมี 10 โหนดประสาทในชั้นอินพุตได้ถ้าเรามีเอาต์พุต 5 คลาสเราจะมี 5 โหนดในเลเยอร์เอาต์พุต แต่เกณฑ์ในการเลือกจำนวนเลเยอร์ที่ซ่อนอยู่ใน MLP คืออะไรและมีกี่นิวรัล โหนดใน 1 ชั้นที่ซ่อนอยู่?

104 machine-learning  neural-network  deep-learning  perceptron