Un conjunto de datos es una colección de datos, a menudo en forma de tabla o matriz. Esta etiqueta NO está destinada a solicitudes de datos ("¿dónde puedo encontrar un conjunto de datos sobre ...") -> ver OpenData
Uno de los problemas comunes en la ciencia de datos es reunir datos de varias fuentes en un formato de alguna manera limpio (semi-estructurado) y combinar métricas de varias fuentes para hacer un análisis de nivel superior. Al observar el esfuerzo de otras personas, especialmente otras preguntas en...
Mi tarea de "aprendizaje automático" es separar el tráfico benigno de Internet del tráfico malicioso. En el escenario del mundo real, la mayoría (digamos 90% o más) del tráfico de Internet es benigno. Por lo tanto, sentí que debería elegir una configuración de datos similar para entrenar a mis...
Estoy tratando de entrenar un modelo de aumento de gradiente en más de 50k ejemplos con 100 características numéricas. XGBClassifiermaneja 500 árboles en 43 segundos en mi máquina, mientras que GradientBoostingClassifiermaneja solo 10 árboles (!) en 1 minuto y 2 segundos :( No me molesté en tratar...
Tengo un problema de clasificación con aproximadamente 1000 muestras positivas y 10000 negativas en el conjunto de entrenamiento. Entonces este conjunto de datos está bastante desequilibrado. El bosque aleatorio simple solo está tratando de marcar todas las muestras de prueba como una clase...
Como una extensión de nuestra gran lista de conjuntos de datos disponibles públicamente , me gustaría saber si hay alguna lista de conjuntos de datos de redes sociales / API de rastreo disponibles públicamente. Sería muy bueno si junto con un enlace al conjunto de datos / API, se agregaran...
Una técnica común después de entrenar, validar y probar el modelo de preferencia de Machine Learning es usar el conjunto de datos completo, incluido el subconjunto de pruebas, para entrenar un modelo final para implementarlo , por ejemplo, en un producto. Mi pregunta es: ¿es siempre lo mejor...
Cerrada . Esta pregunta está basada en la opinión . Actualmente no está aceptando respuestas. ¿Quieres mejorar esta pregunta? Actualice la pregunta para que pueda ser respondida con hechos y citas editando esta publicación . Cerrado hace 5 años . No sé si...
En general, el modelo de aprendizaje automático se basa en conjuntos de datos. ¿Me gustaría saber si hay alguna forma de generar un conjunto de datos sintéticos utilizando un modelo de aprendizaje automático tan capacitado que conserve las características originales del conjunto de datos? [datos...
Actualmente estoy buscando conjuntos de datos etiquetados para entrenar un modelo para extraer entidades nombradas del texto informal (algo similar a los tweets). Debido a que a menudo faltan mayúsculas y gramática en los documentos de mi conjunto de datos, estoy buscando datos fuera del dominio...
Estoy trabajando en un desafío de Kaggle donde algunas variables están representadas por filas en lugar de columnas (Telstra Network Disruption). Actualmente estoy buscando el equivalente de recolectar (), separar () y difundir (), que se puede encontrar en la herramienta R
Creo un corr()df a partir de un df original. El corr()DF salió 70 X 70 y es imposible de visualizar el mapa de calor ... sns.heatmap(df). Si trato de mostrar corr = df.corr(), la tabla no se ajusta a la pantalla y puedo ver todas las correlaciones. ¿Es una forma de imprimir todo dfsin importar su...
Espero que esta pregunta sea la más adecuada en este sitio ... En Python, por lo general, el nombre de la clase se define utilizando la letra mayúscula como primer carácter, por ejemplo class Vehicle: ... Sin embargo, en el campo del aprendizaje automático, a menudo los datos de entrenamiento y...
Si miro una de las muchas fuentes para las clases de Imagenet en Internet, no puedo encontrar una sola clase relacionada con los seres humanos (y no, el hombre de la cosecha no es alguien que cosecha, pero es lo que yo conocía como papá de piernas largas, una especie de araña :-). ¿Cómo es eso...
Hola, tengo un marco de datos con grandes valores categóricos en más de 1600 categorías. ¿Hay alguna forma de encontrar alternativas para no tener más de 1600 columnas? Encontré esto debajo del enlace interesante http://amunategui.github.io/feature-hashing/#sourcecode Pero se están convirtiendo a...
Tengo un conjunto de resultados de una prueba A / B (un grupo de control, un grupo de características) que no se ajustan a una Distribución Normal. De hecho, la distribución se parece más a la distribución de Landau. Creo que la prueba t independiente requiere que las muestras estén al menos...
Soy un estudiante de maestría de CS en minería de datos. Mi supervisor me dijo una vez que antes de ejecutar cualquier clasificador o hacer algo con un conjunto de datos, debo entender completamente los datos y asegurarme de que estén limpios y correctos. Mis preguntas: ¿Cuáles son las mejores...
Soy un principiante en el aprendizaje automático y me enfrento a una situación. Estoy trabajando en un problema de oferta en tiempo real, con el conjunto de datos IPinYou y estoy tratando de hacer una predicción de clics. El hecho es que, como ya sabrá, el conjunto de datos está muy...
¿Alguien sabe si es posible importar un gran conjunto de datos a Amazon S3 desde una URL? Básicamente, quiero evitar descargar un archivo enorme y luego volver a cargarlo en S3 a través del portal web. Solo quiero proporcionar la URL de descarga a S3 y esperar a que la descarguen en su sistema de...
Quiero investigar el comportamiento de fijación de precios de las aerolíneas, específicamente cómo las aerolíneas reaccionan a los precios de la competencia. Como diría, mi conocimiento sobre análisis más complejos es bastante limitado. He realizado principalmente todos los métodos básicos para...
Necesito saber por qué tenemos que lidiar con el desequilibrio de datos. Sé cómo lidiar con él y con diferentes métodos para resolver el problema, que es mediante un muestreo ascendente o descendente o mediante el uso de Smote. Por ejemplo, si tengo una enfermedad rara, el 1 por ciento de cada...