Questions tagged «machine-learning»

我知道梯度下降和反向传播算法。我没有得到的是：什么时候使用偏见很重要，以及如何使用它？ 例如，在映射AND函数时，当我使用2个输入和1个输出时，它不能给出正确的权重，但是，当我使用3个输入（其中1个是偏差）时，它给出正确的权重。

805 machine-learning  neural-network  artificial-intelligence  backpropagation 

请帮助我理解生成算法和 判别算法之间的区别，请记住我只是一个初学者。

587 algorithm  machine-learning  difference 

在Tensorflow中训练模型后： 您如何保存经过训练的模型？ 您以后如何还原此保存的模型？

552 python  tensorflow  machine-learning  model 

我发现很难理解朴素贝叶斯的过程，而且我想知道是否有人可以用简单的英语逐步过程来解释它。我知道它会将发生的时间进行比较作为概率，但是我不知道训练数据与实际数据集之间的关系。 请给我解释一下培训集扮演的角色。我在这里举一个非常简单的水果示例，例如香蕉 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

546 algorithm  machine-learning  dataset  classification  naivebayes 

我一直在为投资组合管理工具开发内部网站。有很多文本数据，公司名称等。我对某些搜索引擎能够以“您的意思是：xxxx”快速响应查询的能力印象深刻。 我需要能够智能地进行用户查询，并不仅要响应原始搜索结果，还要响应“您是不是要这么做？” 当有非常可能的替代答案时的响应等 [我正在ASP.NET中开发（VB-不要反对我！）] 更新：好的，如果没有成千上万的“未付费用户”，我该如何模仿呢？ 为每个“已知”或“正确”术语生成拼写错误并执行查找？ 还有其他更优雅的方法吗？

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

训练多层感知器时，时代和迭代之间有什么区别？

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

按照目前的情况，这个问题不适合我们的问答形式。我们希望答案得到事实，参考或专业知识的支持，但是这个问题可能会引起辩论，争论，民意调查或扩展讨论。如果您认为此问题可以解决并且可以重新提出，请访问帮助中心以获取指导。 7年前关闭。 ANN（人工神经网络）和SVM（支持向量机）是有监督的机器学习和分类的两种流行策略。哪种方法更适合特定项目通常不是很清楚，我敢肯定答案总是“取决于情况”。通常，将两者与贝叶斯分类一起使用。 关于ANN与SVM的关于Stackoverflow的这些问题已经被提出： ANN和SVM分类 我的分类问题中ANN，SVM和KNN之间有什么区别 支持矢量机还是人工神经网络进行文本处理？ 在这个问题中，我想具体了解ANN（特别是多层感知器）的哪些方面可能会使其更适合在SVM上使用？我问的原因是因为很容易回答相反的问题问题：支持向量机通常优于ANN，因为它们避免了ANN的两个主要缺点： （1）ANN通常会收敛于局部最小值而不是全局最小值，这意味着它们有时本质上是“缺少全局”（或缺少树木的森林） （2）人工神经网络经常过拟合如果训练时间太长，，这意味着对于任何给定的模式，神经网络可能会开始将噪声视为模式的一部分。 SVM不会遇到这两个问题。然而，将SVM完全替代ANN并不是很容易。那么，与支持向量机相比，人工神经网络具有哪些特定的优势，可能使其适用于某些情况？我已经列出了SVM相对于ANN的特定优势，现在，我希望看到ANN优势的列表（如果有）。

381 machine-learning  neural-network  classification  svm 

我正在这里浏览tensorflow API文档。在tensorflow文档中，他们使用了名为的关键字logits。它是什么？API文档中的许多方法都将其编写为 tf.nn.softmax(logits, name=None) 如果写的是什么是那些logits只Tensors，为什么保持一个不同的名称，如logits？ 另一件事是，我无法区分两种方法。他们是 tf.nn.softmax(logits, name=None) tf.nn.softmax_cross_entropy_with_logits(logits, labels, name=None) 它们之间有什么区别？这些文档对我来说还不清楚。我知道是什么tf.nn.softmax呢。但是没有其他。一个例子将非常有帮助。

350 python  machine-learning  tensorflow 

已关闭。这个问题需要更加集中。它当前不接受答案。 想改善这个问题吗？更新问题，使其仅通过编辑此帖子来关注一个问题。 28天前关闭。 改善这个问题 在人工智能和机器学习方面，有监督学习和无监督学习有什么区别？您能否通过示例提供基本，简单的说明？

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

在以下TensorFlow函数中，我们必须在最后一层中提供人工神经元的激活。我了解。但是我不明白为什么叫logits？那不是数学函数吗？ 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 

从Udacity的深度学习类中，y_i的softmax只是指数除以整个Y向量的指数和： 其中S(y_i)，y_i和的softmax函数e是指数，并且j是否。输入向量Y中的列数。 我尝试了以下方法： 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)) 返回： [ 0.8360188 0.11314284 0.05083836] 但是建议的解决方案是： def softmax(x): """Compute softmax values for each sets of scores …

245 python  numpy  machine-learning  logistic-regression  softmax 

当我们必须预测分类（或离散）结果的值时，我们使用逻辑回归。我相信我们可以使用线性回归来根据输入值来预测结果的值。 那么，两种方法有什么区别？

242 machine-learning  data-mining  linear-regression 

假设我有一个一维numpy数组 a = array([1,0,3]) 我想将此编码为2d 1-hot数组 b = array([[0,1,0,0], [1,0,0,0], [0,0,0,1]]) 有快速的方法可以做到这一点吗？比循环遍历a设置元素更快b。

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

已关闭。这个问题是基于观点的。它当前不接受答案。 想改善这个问题吗？更新问题，以便通过编辑此帖子以事实和引文回答。 去年关闭。 改善这个问题 假设我正在处理一些分类问题。（欺诈检测和垃圾评论是我目前正在研究的两个问题，但我对总体上的任何分类任务感到好奇。） 我怎么知道应该使用哪个分类器？ 决策树 支持向量机 贝叶斯 神经网络 K近邻 Q学习 遗传算法 马尔可夫决策过程 卷积神经网络 线性回归或逻辑回归 提振，装袋，诱人 随机爬山或模拟退火 ... 在哪些情况下是“自然”的首选，选择该原则的原则是什么？ 我正在寻找的答案类型的示例（摘自Manning等人的“信息检索简介”书）： 一个。如果您的数据带有标签，但数量有限，则应使用偏差较大的分类器（例如，朴素贝叶斯）。 我猜这是因为偏高的分类器具有较低的方差，这很好，因为数据量少。 b。如果您有大量数据，则分类器实际上并不重要，因此您应该只选择具有良好可伸缩性的分类器。 还有哪些其他准则？即使是诸如“如果您必须向某个高级管理人员解释模型，那么您也应该使用决策树，因为决策规则是相当透明的”之类的答案是好的。不过，我不太关心实现/库问题。 此外，除了标准的贝叶斯分类器外，还有一个单独的问题，是否有“标准的最新技术”用于检测垃圾邮件（与电子邮件垃圾邮件相对）？

207 machine-learning 

当我使用Theano或Tensorflow训练我的神经网络时，它们将报告每个时期一个称为“损失”的变量。 我应该如何解释这个变量？更高的损失是好是坏，这对我的神经网络的最终性能（准确性）意味着什么？

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