Bueno, este parece ser el lugar más adecuado para esta pregunta. Todos los sitios web recopilan datos del usuario, algunos solo para uso y personalización, pero la mayoría, como las redes sociales, rastrean cada movimiento en la web, algunas aplicaciones gratuitas en su teléfono escanean mensajes...
Estas son 4 matrices de peso diferentes que obtuve después de entrenar una máquina de Boltzman restringida (RBM) con ~ 4k unidades visibles y solo 96 unidades ocultas / vectores de peso. Como puede ver, los pesos son extremadamente similares, incluso se reproducen píxeles negros en la cara. Los...
Tengo una cadena HTML y quiero saber si una palabra que proporciono es relevante en esa cadena. La relevancia podría medirse según la frecuencia en el texto. Un ejemplo para ilustrar mi problema: this is an awesome bike store bikes can be purchased online. the bikes we own rock. check out our...
Estoy trabajando en un problema de clasificación de texto usando Random Forest como clasificadores, y un enfoque de bolsa de palabras. Estoy usando la implementación básica de Random Forests (el presente en scikit), que crea una condición binaria en una sola variable en cada división. Dado esto,...
Estoy buscando elegir mi carrera en el área de la ciencia de la decisión o el modelo predictivo y soy consciente de que esto está basado en una especie de opinión, pero me gustaría que algunos expertos me sugieran que puedo usarlo para construir mi carrera en el camino correcto. ¿Cuáles son las...
Estoy tratando de encontrar una buena (y rápida) solución al siguiente problema: Tengo dos modelos con los que estoy trabajando, llamémosles jugadores y equipos. Un jugador puede estar en varios equipos y un equipo puede tener varios jugadores). Estoy trabajando en la creación de un elemento de...
Tengo un gran archivo de quejas de clientes sobre los productos que posee mi empresa y me gustaría hacer un análisis de datos sobre esas descripciones y etiquetar una categoría para cada uno de ellos. Por ejemplo: necesito calcular la cantidad de quejas en el lado del Software y Hardware de mi...
Tengo un proyecto de clasificación de documentos donde obtengo contenido del sitio y luego asigno una de las numerosas etiquetas al sitio web de acuerdo con el contenido. Descubrí que tf-idf podría ser muy útil para esto. Sin embargo, no estaba seguro de cuándo exactamente usarlo. Asumiendo que...
Estoy trabajando en un proyecto que les pide a otros estudiantes que compartan sus datos de texto originales para un análisis posterior utilizando técnicas de minería de datos, y creo que sería apropiado anonimizar los nombres de los estudiantes con sus presentaciones. Dejando a un lado las...
Estoy buscando graficar y explorar interactivamente datos en vivo / medidos continuamente. Existen bastantes opciones, y plot.ly es la más fácil de usar. Plot.ly tiene una interfaz de usuario fantástica y fácil de usar (fácilmente escalable, panoramizable, fácilmente ampliable / ajustable a la...
Me gustaría saber si ustedes tienen algunos buenos tutoriales (rápidos y directos) sobre modelos de temas y LDA, enseñando intuitivamente cómo establecer algunos parámetros, qué significan y, si es posible, con algunos ejemplos
Estoy tratando de ver si hay un término convencional para este concepto que me ayude en mi investigación y escritura literaria. Cuando un modelo de aprendizaje automático hace que se tome una acción en el mundo real que afecta a instancias futuras, ¿cómo se llama eso? Estoy pensando en algo como...
Tengo 40000 filas de datos de texto del dominio de atención médica. Los datos tienen una columna para el texto (2-5 oraciones) y una columna para su categoría. Quiero clasificar eso en 300 categorías. Algunas categorías son independientes, mientras que otras están algo relacionadas. La distribución...
Estoy tratando de descubrir cómo usar el troceador en cascada de NLTK según el Capítulo 7 del libro de NLTK . Desafortunadamente, me encuentro con algunos problemas al realizar medidas de fragmentación no triviales. Comencemos con esta frase: "adventure movies between 2000 and 2015 featuring...
¿Cuán ampliamente se usa Theano en la investigación de aprendizaje profundo? ¿Es Theano un buen comienzo para aprender la implementación de algoritmos de aprendizaje automático? ¿Aprenderá realmente la implementación de algo como una red de retroalimentación? ¿Los estudiantes graduados...
Quiero aprender cómo se hace un detector de correo electrónico no deseado. No estoy tratando de construir un producto comercial, será un ejercicio de aprendizaje serio para mí. Por lo tanto, estoy buscando recursos, como proyectos existentes, código fuente, artículos, documentos, etc. que pueda...
Tengo un conjunto de datos como este. Los datos se han recopilado a través de un cuestionario y voy a hacer un análisis exploratorio de datos. windows <- c("yes", "no","yes","yes","no") sql <- c("no","yes","no","no","no") excel <- c("yes","yes","yes","no","yes") salary <-...
Tengo una gran secuencia de vectores de longitud N. Necesito un algoritmo de aprendizaje no supervisado para dividir estos vectores en segmentos M. Por ejemplo: K-means no es adecuado, porque pone elementos similares de diferentes ubicaciones en un solo clúster. Actualizar: Los datos reales...
Estoy trabajando en un proyecto que tiene como objetivo recuperar un gran conjunto de datos (es decir, datos de tweets que tienen un par de días) de Twitter usando la biblioteca twitteR en R. Tengo dificultades para almacenar tweets porque mi máquina tiene solo 8 GB de memoria . Se quedó sin...
Tengo un script de Python escrito con Spark Context y quiero ejecutarlo. Intenté integrar IPython con Spark, pero no pude hacerlo. Entonces, traté de configurar la ruta de chispa [Carpeta de instalación / bin] como una variable de entorno y llamé al comando spark-submit en el indicador de cmd. Creo...