Телеграмм чат группы datasciencechat страница 7102

Size: a a a

Data Science Chat

5162 membersпожаловаться на группу

2021 September 30

Daniil Agniashvili in Data Science Chat

Так то и железу по сути всё равно что считать, можно сделать чтобы 1+1 было 5)

источник

23:36пожаловаться #1

2021 October 01

Andrey in Data Science Chat

что-то я задумался тут. вроде все понятно, но чёткой границы сходу не могу провести.

когда в задаче временных рядов можно заменить валидацию с time series на kfold?

чую, что иногда можно. понятно, что отложенный тест всегда дальше трэйн. тем не менее, если считать все сэмплы равнозначными и несвязанными, почему бы их не перемешивать? протечки нет.

вопрос, собственно, когда их можно считать не связанными

источник

05:41пожаловаться #2

Andrey in Data Science Chat

Когда у тебя нет временного ряда

источник

07:54пожаловаться #3

Sohibjon in Data Science Chat

Переслано от Sohibjon

Привет всем У меня имеется такой датафрейм

источник

08:29пожаловаться #4

Sohibjon in Data Science Chat

Переслано от Sohibjon

я хочу визуализировать его с помошью plotly , но не получается правльно ставить , но при этом в excel все корректно отображается, я хочу добиться такого графика в plotly спасибо заранее

источник

08:29пожаловаться #5

Andrey in Data Science Chat

ну это понятно. а что если нарезать ряд без пересечений

источник

08:38пожаловаться #6

Sergey L in Data Science Chat

Речь скорее о том, что решать задачи из разряда "почесать за правым ухом через спину левой пяткой, правой ноги" никто не запрещает, но и так считать можно, да😁

источник

09:23пожаловаться #7

Daniil Agniashvili in Data Science Chat

Ога))

источник

09:23пожаловаться #8

Admin in Data Science Chat

У меня есть вопрос, я недавно прошёл тему числовой последовательности и её пределов. Имеет ли она применение для использования при техническом анализе котировок? И второе если кто использовал может подсказать небольшой алгоритм действий по применению.

источник

10:30пожаловаться #9

Ruslan515 Y in Data Science Chat

Добрый день. Кто подскажет учебник и задачник где формально разбирается дифференцирование матриц? нашел в сети такую статью, но хочется глубже понять тему. http://nabatchikov.com/blog/view/matrix_der

источник

11:58пожаловаться #10

Makha Cloud in Data Science Chat

@icetfoer, здоров, помню давеча ты говорил , что дата-инженеры максимум 250 , 300 совсем редко получают?Помнишь ?

источник

12:09пожаловаться #11

Вадим in Data Science Chat

Привет. Если так говорил то это не правда. Ну то есть не совсем так

источник

12:10пожаловаться #12

Вадим in Data Science Chat

Но да

источник

12:10пожаловаться #13

Makha Cloud in Data Science Chat

)))

источник

12:10пожаловаться #14

Wilfred Desert in Data Science Chat

Эх, если бы все было так просто и сводилось к анализу числовых последовательностей и их пределов.

Правда в том, что математический анализ точно нужен, если речь о quantitative finance и уж точно нужно такие основы знать.

Само по себе знание числовых последовательностей вряд ли тут как-то даст какой-то алгоритм для анализа котировок

источник

12:11пожаловаться #15

Andrey in Data Science Chat

даст, если числовые последовательности протащить через теорвер до ММК и далее до случайных процессов и с.д.у.

источник

12:49пожаловаться #16

Andrey in Data Science Chat

тут либо что-то простое (что скажет "нет"), либо вопрос глубокий и надо копать.

склоняюсь ко второму. в принципе, ну и что что таймсериес, если не искать в нем тренды/сезонности. тогда это просто регрессия Rn -> Rm. да, да?)

источник

12:51пожаловаться #17

Dmitry Gorbatenko in Data Science Chat

валидация же должна быть приближена к запуску в проде
в проде вы по одному периоду считаете, а на другом (который в будущем) предсказываем

вы же не сможете в проде считать метрику по части пользователей и предсказывать ее для остальных. Вернее сделать то вы сможете, но толку от этого может быть мало. Потому что в этот момент ее уже посчиатать можно по всем, зачем предсказывать то? 🙈

источник

12:57пожаловаться #18

Elena Shamis in Data Science Chat

Привет! Недавно писала о чудовищном оверфиттинге 1д сверточной сетки при классификации временных рядов. Может кому интересно: самый первый эксперимент по сглаживанию ряда скользящим окном (переход к средним, дисперсиям и квантилям по окну, вместо оригинальных величин) полностью вылечил ситуацию. И результат обогнал сходу бустинги, которые раньше ничем не обгонялись, на 5 процентов.

источник

13:01пожаловаться #19

Andrey in Data Science Chat

я про отбор моделей на трэйне, про шаффл данных.

откладывать отложенный тест разумно в конце. но при отборе гиперпараметров, можно (ли?) перемешать сэмплы?

а почему бы и нет, если они не пересекаются? почему будущее важнее прошлого? точно ли sample weights по возрастанию это корректно?...

надо смотреть в природу данных...

источник

13:01пожаловаться #20