Preguntas con respuestas sobre "data-mining"

En el software de minería de datos de código abierto Weka (escrito en Java), cuando ejecuto algún algoritmo de minería de datos como la regresión lineal, Weka devuelve el modelo y algún modelo que evalúa las métricas para los datos de prueba. ...

Tengo datos de matriz que contienen algunos valores nulos. Para completar los valores nulos, me gustaría realizar un filtrado colaborativo. Como estoy estudiando para R, me gustaría usar R. ...

Hice un clasificador para clasificar las consultas de búsqueda en una de las siguientes clases: {Artista, Actor, Político, Atleta, Instalación, Geo, Definición, Control de calidad}. Tengo dos archivos csv: uno para entrenar el clasificador (contiene 300 consultas) y otro para probar el clasificador (actualmente contiene alrededor de 200...

Tengo una lista de hogares y las fechas en que se mudaron a un nuevo código postal. Un pequeño segmento es el siguiente: ...

Soy nuevo en aprendizaje automático. Hice una prueba pero no sé cómo explicar y evaluar. ...

Tengo un conjunto de datos de los últimos 5 años. Aproximadamente 7000 filas de datos con características que son binarias {sí/no} o son de varias clases {producto A, B, C} Un total de más de 20 características. ...

Actualmente estoy trabajando en un proyecto para clasificar las consultas de búsqueda en los siguientes ocho tipos: {atleta, actor, artista, político, ubicación geográfica, instalación, control de calidad, definición}. Después de un poco de trabajo, logré obtener un 78 % de instancias clasificadas correctamente para mi conjunto de 300 consultas de muestra usando una multicapa...

Antes de decidir publicar el problema que tengo, he leído muchas publicaciones y todavía no pude obtener una respuesta clara. Asi que aqui esta: ...

Tengo una lista de pares de valores clave. ...

Estoy tratando de agrupar algunos datos con python y scipy, pero el siguiente código no funciona por una razón que no entiendo: ...

En mi tesis de licenciatura, se supone que debo usar AdaBoostM1 con un clasificador MultinomialNaiveBayes en un problema de clasificación de texto. El problema es que en la mayoría de los casos, el M1 es peor o igual que el MultinomialNaiveBayes sin potenciar. ...

Estoy tratando de determinar cuál de los muchos modelos de base de datos admitiría mejor la comparación de registros probabilísticos. Específicamente, tengo aproximadamente 20 millones de documentos definidos por una variedad de atributos (nombre, tipo, autor, propietario, etc.). Los atributos de texto dominan el conjunto de datos, pero todavía hay...

Estoy usando la última versión troncal de la implementación PFP Growth de mahout sobre un clúster de hadoop para determinar patrones frecuentes en el conjunto de datos de lentes de película. ...

Tengo una función que funciona muy lentamente para mi tarea (debe ser 10-100 veces más rápida)...

Estoy usando la herramienta Carrot2 para mi tesis y ejecuto diferentes algoritmos en esta herramienta. Mi pregunta es, ¿cómo puedo comparar científicamente los resultados de diferentes algoritmos? Quiero decir, necesito una prueba de que los resultados de agrupamiento del algoritmo 1 son mejores que los resultados del algoritmo 2. Haz entropía y...

...

Tengo un problema de agrupamiento que podría resumirse de esta manera: ...

¿Cómo se ven afectadas las frecuencias de términos (TF) y la frecuencia de documentos inversa (IDF) por la eliminación y lematización de palabras vacías? ...

Tengamos muchos datos que se parecen a...

...

¿Alguien ha podido configurar una clasificación (no una regresión) usando randomForest Y la biblioteca bigmemory? Soy consciente de que el "enfoque de fórmula" no se puede usar y tenemos que recurrir al "enfoque x = predictores, y = respuesta". Parece que la gran biblioteca de memoria no puede lidiar con un ...

¿Matlab proporciona algún servicio para evaluar los métodos de agrupación? (compacidad del racimo y separación del racimo. ....) ...

...

Tengo alrededor de 30 documentos .docx (currículums) con datos sobre nombres de personas, habilidades, etc. Necesito completar una hoja de cálculo con parte de esta información y, para reducir el trabajo manual, pensé que podría usar un enfoque de minería de texto. ...

...

Este es un ejemplo muy básico. Pero estoy haciendo algunos análisis de datos y continuamente me encuentro escribiendo consultas de conteo SQL muy similares para generar tablas de probabilidad. ...

Soy nuevo en la minería de datos y soy rudo con las estadísticas y Python. ...

...

Solo me pregunto cuál es el uso de n-gramas (n> 3) (y su frecuencia de aparición) considerando la sobrecarga computacional al calcularlos. ¿Hay alguna aplicación en la que los bigramas o trigramas simplemente no sean suficientes? ...

Necesito preprocesar algunos documentos de texto para poder aplicar técnicas de clasificación como fcm, etc. y otras técnicas de modelado de temas como asignación de dirichlet latente, etc.