Articles of máquina de aprendizaje

Resta la media de la imagen

Estoy implementando un CNN con Theano. En el papel, tengo que hacer este preprocesamiento de imagen antes de entrenar a la CNN. We extracted RGB patches of 61×61 dimensions associated with each poselet activation, subtracted the mean and used this data to train the convnet model shown in Table 1 ¿Puedes decirme qué significa “restar […]

Pesos de decodificador de Autoencoder con pesas atadas en Keras

He implementado un Auto-encoder de pesos vinculados en Keras y lo he entrenado con éxito. Mi objective es usar solo la parte del decodificador del Auto-codificador como la última capa de otra red, para ajustar tanto la red como el decodificador. Como puede ver a continuación en el resumen, el decodificador no tiene parámetros con […]

numpy convierte matrices de cadenas categóricas a una matriz entera

Estoy tratando de convertir una matriz de cadenas de variables categóricas en una matriz entera de variables categóricas. Ex. import numpy as np a = np.array( [‘a’, ‘b’, ‘c’, ‘a’, ‘b’, ‘c’]) print a.dtype >>> |S1 b = np.unique(a) print b >>> [‘a’ ‘b’ ‘c’] c = a.desired_function(b) print c, c.dtype >>> [1,2,3,1,2,3] int32 Me […]

Mahout equivalente de Java en Python

El objective de Mahout basado en Java es construir bibliotecas de aprendizaje automático escalables. ¿Hay bibliotecas equivalentes en Python?

Distinguir el exceso de ajuste vs buena predicción

Estas son preguntas sobre cómo calcular y reducir el sobreajuste de aprendizaje automático. Creo que muchas de las novedades en el aprendizaje automático tendrán las mismas preguntas, así que traté de ser claro con mis ejemplos y preguntas con la esperanza de que las respuestas aquí puedan ayudar a otros. Tengo una muestra muy pequeña […]

Cambio en el valor de precisión y sin cambio en el valor de pérdida en la clasificación binaria utilizando Tensorflow

Estoy tratando de usar una architecture de neural network profunda para clasificar contra un valor de etiqueta binaria: 0 y +1. Aquí está mi código para hacerlo en tensorflow. También esta pregunta se traslada de la discusión en una pregunta anterior. import tensorflow as tf import numpy as np from preprocess import create_feature_sets_and_labels train_x,train_y,test_x,test_y = […]

Clasificación binaria en TensorFlow, valores grandes inesperados para pérdida y precisión

Estoy tratando de usar una architecture de neural network profunda para clasificar contra un valor de etiqueta binario – -1 y +1. Aquí está mi código para hacerlo en tensorflow . import tensorflow as tf import numpy as np from preprocess import create_feature_sets_and_labels train_x,train_y,test_x,test_y = create_feature_sets_and_labels() x = tf.placeholder(‘float’, [None, 5]) y = tf.placeholder(‘float’) n_nodes_hl1 […]

importar input_data MNIST tensorflow no funciona

El ejemplo de TensorFlow MNIST no se ejecuta con full_connected_feed.py input_data esto y me di cuenta de que input_data no estaba integrado. Así que descargué toda la carpeta desde aquí . ¿Cómo puedo iniciar el tutorial? import input_data mnist = input_data.read_data_sets(“MNIST_data/”, one_hot=True) ————————————————————————— ImportError Traceback (most recent call last) in () —-> 1 import input_data […]

Resultado de Keras model.summary () – Comprensión del número de parámetros

Tengo un modelo NN simple para detectar dígitos escritos a mano desde una imagen de 28x28px escrita en python utilizando Keras (backend de Theano): model0 = Sequential() #number of epochs to train for nb_epoch = 12 #amount of data each iteration in an epoch sees batch_size = 128 model0.add(Flatten(input_shape=(1, img_rows, img_cols))) model0.add(Dense(nb_classes)) model0.add(Activation(‘softmax’)) model0.compile(loss=’categorical_crossentropy’, optimizer=’sgd’, […]

¿Multivariable (polinomio) mejor curva de ajuste en python?

¿Cómo se calcula una línea de mejor ajuste en python y luego se grafica en un diagtwig de dispersión en matplotlib? Calculé la línea lineal de mejor ajuste utilizando la Regresión de mínimos cuadrados ordinarios de la siguiente manera: from sklearn import linear_model clf = linear_model.LinearRegression() x = [[t.x1,t.x2,t.x3,t.x4,t.x5] for t in self.trainingTexts] y = […]