srcmini使用R的机器学习和NLP：主题建模和音乐分类
本文概述 先决条件 准备你的问题 为什么主题建模有用？ 库和功能 音乐与书籍 获取数据 检查数据 创建文档术语矩阵 设定变数 拟合模型 用热门单词识别主题 分类文件 识别艺术家/作者 设置变量并拟合模型 用热门单词识别K-Means主题 检...
标签：数据科学
第13页
使用深度学习(卷积自动编码器)重建指纹图像
本文概述 了解指纹数据集 训练模型 保存模型 你将使用FVC2002指纹数据集来训练你的网络。为了观察模型的有效性, 你将在两个不同的指纹传感器数据集(即Secugen和Lumidigm传感器)上测试模型。 注意：本教程将主要介绍卷积自动编...
在计算机上设置数据科学环境
本文概述 python R编程语言 Unix Shell Git 总结 在像srcmini这样的在线交互式培训和教育平台上学习后, 下一步就是采用在Python, R, Git或Unix Shell中获得的技能, 然后在本地计算机上使用它。...
使用深度学习(卷积自动编码器)重建大脑MRI图像
本文概述 了解脑MRI 3T数据集 训练模型 保存模型 在嘈杂的3T图像上预测 定量指标：峰值信噪比(PSNR) 你将使用3T脑MRI数据集来训练你的网络。为了观察模型的有效性, 你将在以下位置测试模型： 看不见的3T MRI图像, 嘈杂的...
Python教程中的变量范围
如果你熟悉Python或任何其他编程语言, 你肯定会知道必须先定义变量, 然后才能在程序中使用它们。根据定义的方式和位置, 必须以不同的方式访问变量。有些变量是全局定义的, 有些是局部定义的。这意味着引用程序某个部分中的实体的变量可能引用程...
使用scikit-learn在Python中进行K-Means聚类
在机器学习中, 学习的类型大致可分为三类：1.监督学习, 2。非监督学习和3.半监督学习。属于无监督学习家族的算法没有变量可以预测与数据相关。数据没有输入, 而只有输入, 该输入将是描述数据的多个变量。这就是群集的作用。 一定要看一看我们的...
使用LIME了解模型预测
在我先前关于模型可解释性的文章中, 我概述了用于研究机器学习模型的常用技术。在此博客文章中, 我将提供有关LIME的更详尽的说明。 LIME在数据样本级别解释了模型预测。它允许最终用户解释这些预测并根据这些预测采取行动。资源 为什么需要理解...
使用pkgdown和Travis CI持续部署软件包文档
本文概述 问题 解决方案 步骤 参考文献 问题 pkgdown是一个R软件包, 可以为你自己的R软件包创建一个外观漂亮的网站。该程序包由Hadley Wickham和他的多产贡献者团队构建和维护, 可以解析你的程序包的文档文件和小插图, 并...
常见数据科学陷阱以及如何避免它们！
本文概述 陷阱 将相关性解释为因果关系 模型和数据的可解释性 总结 在学习期间, 我有机会从事了多个机器学习研究项目。这些项目的范围从研究概率模型到自然语言处理中的更实际场景。在我所做的工作中, 一个共同的要素是明确定义的问题的可用性和大量...
使用Fashion-MNIST数据集将自动编码器用作分类器
本文概述 Fashion-MNIST数据集 载入数据 卷积自动编码器！ 训练模型 训练模型 测试集上的模型评估 预测标签 你想更深入地潜水吗？ 注意：本教程将主要涵盖使用卷积神经网络和卷积自动编码器进行分类的实际实现。因此, 如果你尚不了解...