AK
Size: a a a
2021 October 07
AK
не на одной
A
Пасаны привет, может кто сталкивался с таким ?
Хочу изучить uplift , а какая-то проблема с датасетом , можно как-то вылечить?
Хочу изучить uplift , а какая-то проблема с датасетом , можно как-то вылечить?
A
надо карту выручайка из пятёрочки, судя по 403
A
кек)
A
скорее всего на Амазоне какой логин/пароль поменяли, и в либе слетели доступы, вероятно
загляните в issues на github, может вы не одиноки
загляните в issues на github, может вы не одиноки
D
Датасет можно найти на кагле и на гите у кого-то вроде лежит
Можно погуглить про сореву аплифт от х5 и должно найти
Можно погуглить про сореву аплифт от х5 и должно найти
2021 October 08
D
Всем привет.
Мне нужно натренировать 3 модели последовательно.
Хочу попробовать так:
1) Модель 1 проходит кросс-валидацию из 10 фолдов. Предикт каждого тестового фолда сохраняется. Получаем датасет такого же объёма, но который был постороен только на данных валидации, без данных тренировки.
2) Кормим сгенерированный датасет второй модели таким же способом, разбивая на 10 фолдов и формируем датасет для 3-й модели.
Мне нужно натренировать 3 модели последовательно.
Хочу попробовать так:
1) Модель 1 проходит кросс-валидацию из 10 фолдов. Предикт каждого тестового фолда сохраняется. Получаем датасет такого же объёма, но который был постороен только на данных валидации, без данных тренировки.
2) Кормим сгенерированный датасет второй модели таким же способом, разбивая на 10 фолдов и формируем датасет для 3-й модели.
D
Что можете сказать о таком подходе?
🐙
По тому, как вы описали, у вас будет не три датасета, а три таргета.
🐙
Если обучать вторую модель на предиктах первой, то, я предположу, ошибка будет ~ошибка первой модели * ошибка второй модели
D
Предикты моделей смешиваются с входящими данными в первую модель. Я таким образом хочу избежать лика по тренировочным данным.
ВК
а чем обычный стэкинг не устраивает?
D
сильное переобучение
ищу способы решения
ищу способы решения
ВК
почему вы думаете что ваш метод будет меньше переобучаться?
ВК
помоему это тоже стекинг, только более хитрый
D
потому что следующие модели не будут видеть предсказания на тренировочных данных вообще
у меня не несколько параллельных моделей с одним мета-учеником, а подряд модели, которые кормят все данные одна в другую
у меня не несколько параллельных моделей с одним мета-учеником, а подряд модели, которые кормят все данные одна в другую
ВК
так при стэкинге метаалгаритм тоже не должен видеть предсказаний на тренировочных данных
D
да, но разве при этом не теряется часть данных?
ВК
может теряться а может и нет. смотря как построите обучние