yukimori_726のブックマーク - はてなブックマーク

データの傾向が変わっても性能が落ちにくいモデルの作り方 - Qiita
下記論文のサーベイ記事です． - タイトル: Generative and Discriminative Text Classification with Recurrent Neural Networks - Deep Mindの論文 - 6 Mar 2017 - 著者: Dani Yogatama, Chris Dyer, Wang Ling, Phil Blunsom 主旨テキスト分類でデータの傾向が変わっても生成モデルは識別モデルより性能が落ちにくいことを実証．要約日常だとデータの傾向は流行によってデータの出現頻度とか変わるし，新たな概念とかもすぐできる．傾向が変わるたびにデータセットを全て学習しなおすのは時間がかかるので，できれば新たなデータのみで学習させたい．(Continual learning) あと，未知のクラスであっても予測できるようにしたい．(Zero-sho
yukimori_726 2017/08/18
LSTM
リンク
Kaggle - Instacart上位陣解法まとめ - Qiita
KaggleのInstacart Market Basket Analysis1の上位陣解法についてまとめました．参考になりそうでしたら幸いです． Instacart Market Basket Analysis1とはユーザーが次に注文する商品の予測．データ構成2 ユーザー数: 20万注文回数: 340万商品数: 5万全体の把握には記事2が参考になります． [2位] 2nd Place Solution Name: ONODERA Kaggle Discussion: https://www.kaggle.com/c/instacart-market-basket-analysis/discussion/38143 Code: https://github.com/KazukiOnodera/Instacart Writeup: http://blog.kaggle.com/2
yukimori_726 2017/08/18
kaggle
リンク
Kaggle - Leaf Classification - Qiita
Kaggleの過去問Leaf Classificationに挑戦して得られた知見です．問題概要画像と特徴量(192次元)から99クラスのラベルに葉っぱを分類する． Datasets 192次元の特徴量 + 画像ラベルごとのサンプル数: 10 分類クラス数: 99 訓練データ数: 990(99x10) 検証データ数: 594 Solutions 画像と特徴量を入力，出力を99クラスのソフトマックスとするネットワークを作る．画像数が少ないので小さめのシンプルなネットワークにする． Architecture ____________________________________________________________________________________________________ Layer (type) Output Shape Param # Connect
yukimori_726 2017/04/03
classification

kaggle
リンク
1