Acabo de empezar a jugar con Theano, pero tengo un problema extraño en Eclipse. Estoy tratando de importar el módulo de configuración para ejecutar algún código de ejemplo. La importación funciona bien y puedo ver lo que hay en el módulo. Aquí está el código simple que estoy intentando: from theano import config print config […]
Estoy aprendiendo la neural network y quiero escribir una función cross_entropy en python. Donde se define como donde N es el número de muestras, k es el número de clases, log es el logaritmo natural, t_i,j es 1 si la muestra i está en la clase j y 0 contrario, y p_i,j es la probabilidad […]
Estoy tratando de predecir un conjunto de tags utilizando Regresión logística de SciKit. Mis datos están realmente desequilibrados (hay muchas más tags ‘0’ que ‘1’), así que tengo que usar la métrica de puntaje F1 durante el paso de validación cruzada para “equilibrar” el resultado. [Input] X_training, y_training, X_test, y_test = generate_datasets(df_X, df_y, 0.6) logistic […]
Tengo un DataFrame con algunas series de tiempo: divida movav12 var varmovav12 Date 2004-01 0 NaN NaN NaN 2004-02 0 NaN NaN NaN 2004-03 0 NaN NaN NaN 2004-04 34 NaN inf NaN 2004-05 30 NaN -0.117647 NaN 2004-06 44 NaN 0.466667 NaN 2004-07 35 NaN -0.204545 NaN 2004-08 31 NaN -0.114286 NaN 2004-09 30 […]
¿Puede alguien recomendar un clasificador de red de creencias bayesiano implementado en Python que pueda generar una probabilidad de creencia basada en la información de una red dispersa que describe una serie de hechos sobre varios objetos interrelacionados? por ejemplo, dados los hechos “X tiene hambre, es un mono y come” formulado en FOL como: […]
Así como dice el título. Este código solo funciona usando: x = Flatten()(x) Entre la capa convolucional y la capa densa. import numpy as np import keras from keras.models import Sequential, Model from keras.layers import Dense, Dropout, Flatten, Input from keras.layers import Conv2D, MaxPooling2D from keras.optimizers import SGD # Generate dummy data x_train = np.random.random((100, […]
Soy nuevo en esto. Tengo un conjunto de clasificadores débiles construidos utilizando Naive Bayes Classifier (NBC) en el kit de herramientas Sklearn. Mi problema es cómo combino la salida de cada uno de los NBC para tomar una decisión final. Quiero que mi decisión esté en probabilidades y no en tags. Realicé el siguiente progtwig […]
He estado construyendo un detector de lenguaje de progtwigción, es decir, un clasificador de fragmentos de código, como parte de un proyecto más grande. Mi modelo de línea de base es bastante sencillo: tokenize la entrada y codifique los fragmentos de código como bolsa de palabras o, en este caso, bolsa de fichas , y […]
Estoy modificando un tutorial de Caffe para implementar una neural network, pero me cuesta identificar dónde se ubican algunos de los módulos de pycaffe para ver ciertas definiciones de funciones. Por ejemplo, el tutorial menciona: import caffe from caffe import layers a L, params as P …. L.Convolution(bottom, kernel_size=ks, stride=stride, num_output=nout, pad=pad, group=group) L.InnerProduct(bottom, num_output=nout) […]
Recientemente, implementé el modelo Gibbs de muestreo para LDA en Python usando numpy, tomando como referencia algún código de un sitio. En cada iteración del muestreo de Gibbs, eliminamos una palabra (actual), muestreamos un nuevo tema para esa palabra de acuerdo con una distribución de probabilidad condicional posterior inferida del modelo LDA, y actualizamos los […]