Натуральный логарифм или 10тичный

Так все равно будет скакать

типа зума работает, но при этом прибавляет плавности

Значения, близкие к нулю выстрелят в бесконечность

Прибавь 1 к переменной, тогда ограничатся в 0)

Ну вот это такой ряд, который меняется, случайный и движется вокруг нуля
Как-то прибавлять что-то большое... нормально?

Преобразование Яо-Джонсона! Правда, я никогда не работал с временными рядами.

Так ряд просто сдвигается по оси y, а его функциональные характеристики остаются теми же. Или нет?

Спасибо

Да вроде бы
Но как-то стремно выглядит прибавлять что-то неизвестное большое, потом логарифм брать и потом снова вычитать

Друзья, бывают ли у вас ситуации, когда бьешься над проблемой ни один час, перерыл весь stackoverflow а оно все никак?
А все что нужно - перекинуться парой слов с опытным специалистом?

Если не сложно, пройдите плз короткий опрос)
https://forms.gle/GAZ4FuDLJMPAY9Mw5

Кто-нибудт может в 2 словах сказать, что такое fair loss?

Честное поражение

если правильно помню  (но могу наврать) то если у тебя дисбаланс классов результирующих (например 1000 входов класса А и 10 класса Б), то чтоб не переучивалось классу А на обратном распространении увеличивают значение на которое обучаются нейроны для класса Б. В данном случае мы увеличиваем в 100 раз. Грубо говоря для класса Б мы learning rate модифицируем в 100 раз, типа он был 0.0001 то для А он остается таким, а для Б становится 0.01 .

более «гладко» выходит тупо продублировать классы Б чтоб сбалансировать входы - будет 1000 входов класса А и 100 одинаковых экземпляров класса Б (10 реальных * 100 «клонов» = 1000).

второе более гладко потому что предположим у тебя батч размером 5 и попалось 2 А класса и 3 Б, тогда выйдет что в обратном распространении у тебя сеть увидела два А и «300» Б, теперь ее перекосило в Б

Коллеги, что с моим циклом слева не так?

Вероятно там есть цифры. Если не ошибаюсь, то isalpha только буквы проверяет.

Да, значит ворд цифры посчитал, спасибо

Видимо ещё что-то не так :)