- Obtenga su conjunto de datos
- Realizar un análisis preliminar sobre el conjunto de datos.
- Obtenga una idea de la varianza, desviación, más puntos estadísticos
- Con base en su análisis, descubra qué clasificador funcionaría mejor
- Aprendizaje supervisado:
- Tal vez algo en la línea de un SVM?
- Tal vez incluso una CNN?
- Tal vez algo tan simple como KNN si los datos no varían mucho
- Sin supervisión
- K-medias?
- Un NN sin supervisión
- ¡Anímate y escríbelo!
- Para cosas de redes no neuronales, la biblioteca scikit-learn es brillante.
- Para redes neuronales, puede usar Keras, Lasagne , Theano , TensorFlow , TF-Learn
- Descubre las capas de tu red neuronal
- ¿Quieres una CNN?
- ¿Qué funciones de activación quieres? ReLU, Sigmoide, Tanh?
- ¿Alguna capa de abandono?
- Si quieres escribir el clasificador por tu cuenta, ¡adelante! El proceso es similar al anterior. Sugeriría usar Python, R o Matlab / Octave . Tenga en cuenta que estas no serán tan rápidas como las bibliotecas optimizadas y aceleradas por GPU mencionadas anteriormente, pero serán una gran experiencia de aprendizaje si está tratando de echar un vistazo.
¡Buena suerte!