প্রশ্ন ট্যাগ «machine-learning»

"কম্পিউটার সিস্টেমগুলি যা অভিজ্ঞতার সাথে স্বয়ংক্রিয়ভাবে উন্নত হয়" তৈরির পদ্ধতি এবং নীতিগুলি।


4
LSTM সময় সিরিজের পূর্বাভাসের কাছাকাছি পূর্বাভাস ব্যবধান
এলএসটিএম (বা অন্যান্য পুনরাবৃত্ত) নিউরাল নেটওয়ার্ক থেকে টাইম সিরিজের পূর্বাভাসের আশেপাশে ভবিষ্যদ্বাণী ব্যবধান (সম্ভাব্যতা বিতরণ) গণনা করার কোনও পদ্ধতি আছে কি? বলুন, উদাহরণস্বরূপ, আমি ভবিষ্যতে 10 টি নমুনা (t + 1 থেকে t + 10) ভবিষ্যদ্বাণী করছি, গত 10 টি পর্যবেক্ষণ হওয়া নমুনার (টি -9 থেকে টি) এর উপর ভিত্তি …

4
0 থেকে 1 পর্যন্ত সীমাবদ্ধ স্বাক্ষরের পূর্ণসংখ্যার অ্যারে কীভাবে স্কেল করবেন?
আমি কোনও বৈশিষ্ট্য সেটটিতে নিউরাল নেটওয়ার্ক প্রশিক্ষণের জন্য মস্তিষ্ক ব্যবহার করছি যা ইতিবাচক এবং নেতিবাচক মান উভয়ই অন্তর্ভুক্ত করে। তবে মস্তিষ্কের 0 থেকে 1 এর মধ্যে ইনপুট মানগুলির প্রয়োজন my আমার ডেটা স্বাভাবিক করার সর্বোত্তম উপায় কোনটি?

3
মডেল.পরেডিক্ট ফাংশনটির কেরাস থেকে আউটপুট বলতে কী বোঝায়?
আমি কোওর অফিসিয়াল ডেটাসেটে সদৃশ প্রশ্নের পূর্বাভাস দেওয়ার জন্য একটি এলএসটিএম মডেল তৈরি করেছি। পরীক্ষার লেবেল 0 বা 1. হয় 1 টি প্রশ্নের জোড় নকল কিনা তা নির্দেশ করে। মডেলটি ব্যবহার করে নির্মাণের পরে model.fit, আমি model.predictপরীক্ষার ডেটা ব্যবহার করে মডেলটি পরীক্ষা করি । আউটপুট হ'ল নীচের মত মানগুলির একটি …

4
গ্রেডিয়েন্ট বংশোদ্ভূত কি প্রতিটি অপ্টিমাইজারের কেন্দ্রীয়?
আমি জানতে চাই যে গ্রেডিয়েন্ট ডেসেন্টটি অ্যাডাম, অ্যাডাগ্রেড, আরএমএসপ্রপ এবং অন্যান্য বেশ কয়েকটি অপ্টিমাইজারের মতো অপ্টিমাইজারে ব্যবহৃত মূল আলগোরিদিম কিনা।

1
এক্সজিবিগ্রিজার বনাম xgboost.train বিশাল গতির পার্থক্য?
আমি যদি নিম্নলিখিত কোডগুলি ব্যবহার করে আমার মডেলটিকে প্রশিক্ষণ দিই: import xgboost as xg params = {'max_depth':3, 'min_child_weight':10, 'learning_rate':0.3, 'subsample':0.5, 'colsample_bytree':0.6, 'obj':'reg:linear', 'n_estimators':1000, 'eta':0.3} features = df[feature_columns] target = df[target_columns] dmatrix = xg.DMatrix(features.values, target.values, feature_names=features.columns.values) clf = xg.train(params, dmatrix) এটি প্রায় 1 মিনিটের মধ্যে শেষ হয়। আমি যদি সায়-কিট শিখার …

2
অ-প্রতিসাম্য ব্যয় ফাংশন সহ লিনিয়ার রিগ্রেশন?
Y(x)Y(x)Y(x)Y^(x)Y^(x)\hat Y(x)Y(x)Y(x)Y(x)cost{Y(x)≳Y^(x)}>>cost{Y^(x)≳Y(x)}cost{Y(x)≳Y^(x)}>>cost{Y^(x)≳Y(x)}\text{cost}\left\{ Y(x) \gtrsim \hat Y(x) \right\} >> \text{cost}\left\{ \hat Y(x) \gtrsim Y(x) \right\} আমি মনে করি একটি সাধারণ লিনিয়ার রিগ্রেশন সম্পূর্ণরূপে সূক্ষ্ম করা উচিত। সুতরাং আমি কীভাবে এটি ম্যানুয়ালি বাস্তবায়ন করতে জানি, তবে আমি অনুমান করি যে আমি এই ধরণের সমস্যা সহকারে প্রথম নই। আমি যা করতে চাই সেখানে …

1
বৈশিষ্ট্য উত্পন্নকরণ এবং বৈশিষ্ট্য নিষ্কাশন মধ্যে পার্থক্য কি?
ফিচার জেনারেশনের উদ্দেশ্য কী আমাকে কেউ বলতে পারেন? এবং কোনও চিত্রকে শ্রেণিবদ্ধ করার আগে কেন বৈশিষ্ট্য স্থান সমৃদ্ধকরণের প্রয়োজন? এটি কি প্রয়োজনীয় পদক্ষেপ? বৈশিষ্ট্য স্পেস সমৃদ্ধ করার কোন পদ্ধতি আছে?

2
গভীর স্নায়বিক প্রশিক্ষণ ভিজ্যুয়ালাইজিং
আমি প্রশিক্ষণের সময় ওজন প্লট করার জন্য মাল্টিলেয়ার নেটওয়ার্কগুলির জন্য হিন্টন ডায়াগ্রামগুলির সমতুল্য সন্ধান করার চেষ্টা করছি। প্রশিক্ষিত নেটওয়ার্কটি কিছুটা ডিপ এসআরএন এর অনুরূপ, যেমন এটিতে বহু সংখ্যক ওজন ম্যাট্রিক রয়েছে যা বেশ কয়েকটি হিন্টন ডায়াগ্রামের যুগপত প্লটকে দৃশ্যত বিভ্রান্ত করে তুলবে। একাধিক স্তর সহ পুনরাবৃত্ত নেটওয়ার্কগুলির জন্য ওজন আপডেট …

2
এনএলপিতে শ্রেণিবিন্যাস প্রক্রিয়াতে পার্স গাছ থেকে সাধারণত কোন বৈশিষ্ট্য ব্যবহৃত হয়?
আমি বিভিন্ন ধরণের পার্স গাছের কাঠামো অন্বেষণ করছি। দুটি বহুল পরিচিত পার্স গাছের কাঠামো হ'ল ক) নির্বাচনী কেন্দ্র ভিত্তিক পার্স ট্রি এবং খ) নির্ভরতা ভিত্তিক পার্স গাছের কাঠামো। স্ট্যানফোর্ড এনএলপি প্যাকেজ ব্যবহার করে আমি উভয় প্রকারের পার্স গাছের কাঠামো উত্পন্ন করতে সক্ষম am তবে আমার শ্রেণিবিন্যাস কার্যের জন্য কীভাবে এই …

4
অধ্যয়নকারী মেশিন লার্নিং অ্যালগরিদম: অ্যালগরিদমের সংখ্যা বনাম বোঝার গভীরতা
সম্প্রতি আমি ডেটা সায়েন্সের ক্ষেত্রে পরিচয় করিয়েছি (এটি প্রায় months মাস প্রায় হয়েছে), এবং আইআইএইচইউ দ্বারা ডেটা সায়েন্স স্পেশালাইজেশনে কাজ করা পোস্টটি অ্যান্ড্রু এনজি দ্বারা মেশিন লার্নিং কোর্সের মাধ্যমে যাত্রা শুরু করেছিল। ব্যবহারিক প্রয়োগের সম্মুখভাগে, আমি একটি ভবিষ্যদ্বাণীপূর্ণ মডেল তৈরির জন্য কাজ করছি যা আত্মত্যাগের পূর্বাভাস দেয়। এখনও অবধি আমি …

5
ড্রপআউট মডেল থেকে কিছু নিউরনকে দমন করে, কেন একটি ড্রপআউট স্তর যুক্ত গভীর / মেশিন লার্নিং কর্মক্ষমতা উন্নত করে?
যদি কিছু নিউরোন অপসারণের ফলে আরও ভাল পারফরম্যান্স মডেল আসে, তবে প্রথম স্তরটিতে কম স্তর এবং কম নিউরন সহ একটি সরল নিউরাল নেটওয়ার্ক ব্যবহার করবেন না কেন? কেন প্রথমদিকে আরও বড়, আরও জটিল মডেল তৈরি করেন এবং এর অংশগুলি পরে দমন করেন?

3
ক্রস-বৈধতার পরে শ্রেণিবদ্ধকারী কীভাবে চয়ন করবেন?
যখন আমরা কে-ফোল্ড ক্রস বৈধকরণ করি, তখন কি আমাদের কেবল শ্রেণিবদ্ধ ব্যবহার করা উচিত যা সর্বোচ্চ পরীক্ষার নির্ভুলতা রয়েছে? ক্রস বৈধতা থেকে শ্রেণিবদ্ধকারী পেতে সাধারণত সর্বোত্তম পদ্ধতির কী?

1
একটি হট এনকোডিং এবং একটি এনকোডিং ছেড়ে দেওয়ার মধ্যে পার্থক্য কী?
আমি একটি উপস্থাপনাটি পড়ছি এবং এটি একটি ছাড়ার এনকোডিং ব্যবহার না করার পরামর্শ দিচ্ছে, তবে এটি একটি গরম এনকোডিং সহ ঠিক আছে। আমি ভেবেছিলাম তারা দুজনই এক রকম ছিল। তাদের মধ্যে পার্থক্য কি কেউ বর্ণনা করতে পারেন?

4
আমরা কী ওয়ার্ড টুভেক মডেলদের প্রশিক্ষণ দেওয়ার সময় ট্রান্সফার শেখার সুবিধাটি নিতে পারি?
আমি গুগল নিউজ ডেটা ইত্যাদির মতো ইতিমধ্যে প্রশিক্ষিত মডেলগুলির প্রাক-প্রশিক্ষিত ওজনগুলি সন্ধান করতে চাই I সুতরাং, আমি স্থানান্তর শেখার থেকে সুবিধা নিতে চাই যাতে আমি প্রাক-প্রশিক্ষিত স্তর ওজন পেতে এবং আমার ডোমেনের নির্দিষ্ট শব্দগুলিতে সেই ওজনগুলি পুনরায় প্রশিক্ষণ করতে সক্ষম হতে পারি। সুতরাং, অবশ্যই প্রশিক্ষণে তুলনামূলকভাবে কম সময় লাগবে। যে …

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.