タグ付けされた質問 「machine-learning」

勾配降下法と逆伝播アルゴリズムを知っています。私が得られないのは、バイアスを使用することが重要で、それをどのように使用するかです。 たとえば、AND関数をマッピングするときに、2つの入力と1つの出力を使用すると、正しい重みが得られませんが、3つの入力（そのうちの1つはバイアス）を使用すると、正しい重みが得られます。

807 machine-learning  neural-network  artificial-intelligence  backpropagation 

私は単なる初心者であることを念頭に置いて、生成アルゴリズムと 識別アルゴリズムの違いを理解してください。

587 algorithm  machine-learning  difference 

Tensorflowでモデルをトレーニングした後： トレーニング済みモデルをどのように保存しますか？ この保存されたモデルを後でどのように復元しますか？

552 python  tensorflow  machine-learning  model 

私はナイーブベイズのプロセスを理解するのが難しいと感じており、誰かが英語で簡単な段階的なプロセスでそれを説明できるかどうか疑問に思っていました。時間による比較を確率として比較することは理解していますが、トレーニングデータが実際のデータセットとどのように関連しているかはわかりません。 トレーニングセットの役割を教えてください。ここでは、果物の非常に簡単な例を示します。 training set--- round-red round-orange oblong-yellow round-red dataset---- round-red round-orange round-red round-orange oblong-yellow round-red round-orange oblong-yellow oblong-yellow round-red

547 algorithm  machine-learning  dataset  classification  naivebayes 

私はポートフォリオ管理ツールの内部Webサイトを開発しています。多くのテキストデータ、会社名などがあります。検索エンジンが「もしかして：xxxx」というクエリに非常に迅速に応答できるといういくつかの検索エンジン機能には本当に感動しました。 ユーザークエリをインテリジェントに取得し、生の検索結果だけでなく、「もしかして？」可能性が高い代替回答がある場合の応答など [私はASP.NETで開発しています（VB-私に対して保持しないでください！）] 更新：OK、何百万もの「無給のユーザー」なしでこれをどのように模倣できますか？ 「既知」または「正しい」用語ごとにタイプミスを生成し、ルックアップを実行しますか？ 他のよりエレガントな方法はありますか？

436 algorithm  machine-learning  nlp  spell-checking  text-search 

多層パーセプトロンをトレーニングするときのエポックと反復の違いは何ですか？

413 machine-learning  neural-network  deep-learning  artificial-intelligence  terminology 

現在のところ、この質問はQ＆A形式には適していません。事実、参考文献、専門知識によって回答が裏付けられることを期待していますが、この質問は、討論、議論、投票、または拡張ディスカッションを求める可能性があります。この質問を改善でき、再開できると思われる場合は、ヘルプセンターにアクセスしてください。 7年前休業。 ANN（人工ニューラルネットワーク）とSVM（サポートベクターマシン）は、教師あり機械学習と分類の2つの一般的な戦略です。特定のプロジェクトにどちらの方法が適しているかはよくわからないことが多く、答えは常に「依存している」と確信しています。多くの場合、両方の組み合わせとベイジアン分類が使用されます。 Stackoverflowに関するこれらの質問は、ANNとSVMに関してすでに尋ねられています。 ANNおよびSVM分類 分類の質問におけるANN、SVM、KNNの違い テキスト処理用のサポートベクターマシンまたは人工ニューラルネットワーク？ この質問では、ANN（具体的には、マルチレイヤーパーセプトロン）のどの側面がSVMを介して使用することが望ましいと思われるかを具体的に知りたいのですが？私が尋ねる理由は、反対の質問に答えるのが簡単だからです。サポートベクターマシンは、ANNの2つの主要な弱点を回避するため、ANNより優れていることがよくあります。 （1）ANN は、グローバルな最小値ではなくローカルな最小値に収束することがよくあります。つまり、ANN は、本質的に「全体像を見落としている」（または森の森を見逃している）ことを意味します （2）トレーニングが長すぎると、ANNはしばしばオーバーフィットします。つまり、特定のパターンについて、ANNはノイズをパターンの一部と見なし始める可能性があります。 SVMはこれらの2つの問題のどちらにも悩まされません。ただし、SVMがANNの完全な代替になることを意図していることはすぐにはわかりません。それでは、ANNはSVMに対して特定の利点を持っているため、特定の状況に適用できる可能性があります。ANNに対するSVMの特定の利点を挙げましたが、ANNの利点（ある場合）のリストを確認したいと思います。

381 machine-learning  neural-network  classification  svm 

ここで tensorflow APIドキュメントを調べていました。tensorflowのドキュメントでは、と呼ばれるキーワードを使用していましたlogits。それは何ですか？APIドキュメントの多くのメソッドでは、次のように記述されています tf.nn.softmax(logits, name=None) 書かれているのがこれらlogitsだけのTensors場合、なぜ別の名前を維持するのlogitsですか？ もう1つは、区別できない2つの方法があることです。彼らはいた tf.nn.softmax(logits, name=None) tf.nn.softmax_cross_entropy_with_logits(logits, labels, name=None) それらの違いは何ですか？ドキュメントは私には明確ではありません。私は何をtf.nn.softmaxしているのか知っています。しかし、他のものではありません。例は本当に役に立ちます。

350 python  machine-learning  tensorflow 

休業。この質問には、より焦点を当てる必要があります。現在、回答を受け付けていません。 この質問を改善してみませんか？質問を更新して、この投稿を編集するだけで1つの問題に焦点を当てます。 先月休業。 この質問を改善する 人工知能と機械学習の観点から、教師あり学習と教師なし学習の違いは何ですか？基本的な簡単な説明を例とともに提供できますか？

283 machine-learning  artificial-intelligence  supervised-learning  unsupervised-learning 

次のTensorFlow関数では、最終層の人工ニューロンの活性化をフィードする必要があります。私が理解していること。しかし、それがロジットと呼ばれる理由がわかりませんか？それは数学関数ではありませんか？ loss_function = tf.nn.softmax_cross_entropy_with_logits( logits = last_layer, labels = target_output )

250 tensorflow  machine-learning  neural-network  deep-learning  cross-entropy 

Udacityの深い学習クラス、Y_Iのソフトマックスは、単に全体のYベクトルの指数の合計で割った指数です。 どこS(y_i)のソフトマックス関数であるy_iとe指数関数的であるとjnoです。入力ベクトルYの列の数。 私は以下を試しました： import numpy as np def softmax(x): """Compute softmax values for each sets of scores in x.""" e_x = np.exp(x - np.max(x)) return e_x / e_x.sum() scores = [3.0, 1.0, 0.2] print(softmax(scores)) これは次を返します： [ 0.8360188 0.11314284 0.05083836] しかし、提案された解決策は： def softmax(x): """Compute softmax values for each sets of scores …

245 python  numpy  machine-learning  logistic-regression  softmax 

カテゴリー（または離散）結果の値を予測する必要がある場合は、ロジスティック回帰を使用します。線形回帰を使用して、入力値を指定した結果の値も予測すると思います。 次に、2つの方法の違いは何ですか？

241 machine-learning  data-mining  linear-regression 

私が1d numpy配列を持っているとしましょう a = array([1,0,3]) これを2d 1-hot配列としてエンコードしたい b = array([[0,1,0,0], [1,0,0,0], [0,0,0,1]]) これを行う簡単な方法はありますか？迅速にわずかループよりもa一連の要素にbあります、。

227 python  numpy  machine-learning  numpy-ndarray  one-hot-encoding 

休業。この質問は意見に基づいています。現在、回答を受け付けていません。 この質問を改善してみませんか？この投稿を編集して、事実と引用で回答できるように質問を更新してください。 昨年休業。 この質問を改善する 分類の問題に取り組んでいるとしましょう。（不正検出とコメントスパムは、私が現在取り組んでいる2つの問題ですが、分類タスク全般に興味があります。） 使用する分類子をどのようにして知ることができますか？ 決定木 SVM ベイジアン ニューラルネットワーク K最近傍 Qラーニング 遺伝的アルゴリズム マルコフ決定プロセス 畳み込みニューラルネットワーク 線形回帰またはロジスティック回帰 ブースティング、バギング、エンサンブル ランダムな山登りまたはシミュレーテッドアニーリング ... これらの1つが「自然な」最初の選択であるケースはどれですか。その1つを選択するための原則は何ですか。 私が探している回答のタイプの例（Manningらの「Introduction to Information Retrieval」の本から）： a。データにラベルが付けられているが量が限られている場合は、バイアスの高い分類器（たとえば、単純ベイズ）を使用する必要があります。 これは、バイアスが高い分類子の分散が小さいためであると推測しています。データ量が少ないため、これは良いことです。 b。大量のデータがある場合、分類子はそれほど重要ではないので、おそらくスケーラビリティが優れている分類子を選択する必要があります。 他のガイドラインは何ですか？「モデルを上級管理職に説明する必要がある場合は、決定ルールがかなり透過的であるため、決定ツリーを使用する必要があるかもしれません」などの答えも適切です。ただし、実装やライブラリの問題はあまり気にしません。 また、標準のベイジアン分類子以外に、やや別の質問については、コメントスパムの検出に（電子メールスパムではなく）「最先端の」標準的な方法がありますか？

207 machine-learning 

TheanoまたはTensorflowでニューラルネットワークをトレーニングすると、エポックごとに「損失」と呼ばれる変数が報告されます。 この変数をどのように解釈すればよいですか？損失が大きいほど良くなったり悪くなったりしますか、それとも私のニューラルネットワークの最終的なパフォーマンス（精度）にはどのような意味がありますか？

201 machine-learning  neural-network  mathematical-optimization  deep-learning  objective-function