NC
А еще возможно, я могу ошибаться, может быть вам не надо сравнивать тип с bytes, но я лично так вижу это
Size: a a a
2021 October 23
АА
Спасибо большое!
NC
Не за что, надеюсь это помогло
АА
с одной стороны попыталось скомпилиться, с другой ошибку выдает
NC
что за ошибка?
АА
да она не к этому относится, а к тому, что я дебил
АА
Поэтому еще раз спасибо)
s
ну очевидно попробуйте вытянуть фичи из него площадь колво комнат и тд
DA
ОН
Если я кодирую категориальные признаки в числовые, то лучше ноль не использовать и лучше подряд идущие числа, чем случайные?
ДС
Смотря что за модель. Случайные могут случайно оказаться лучше.
RN
Ну то есть, в деревянных моделях важен только порядок, а в линейных надо пробовать. Использовать ноль или нет - пофигу даже в линейных моделях: минимальное значение даёт всем моделям одинаковую прибавку
ОН
Сори за спам.
если у меня задача бинарной классификации. Признаки у меня все категориальные. Признаков 7, при OneHotEncoding'e я получил 48 признаков, записей у меня ~5000 тысяч. Какой алгоритм мне лучше использовать? Подойдёт ли лог рег или XGBoost, может что-то ещё? Ещё стоит ли мне понижать размерность на разбитых фичах? И стоит ли мне удалять признаки, у которых распределение таргета близко к 50 на 50?
если у меня задача бинарной классификации. Признаки у меня все категориальные. Признаков 7, при OneHotEncoding'e я получил 48 признаков, записей у меня ~5000 тысяч. Какой алгоритм мне лучше использовать? Подойдёт ли лог рег или XGBoost, может что-то ещё? Ещё стоит ли мне понижать размерность на разбитых фичах? И стоит ли мне удалять признаки, у которых распределение таргета близко к 50 на 50?
DS
А почему потестить не хочешь?
ОН
ОН
xgboost лучше на 0,08
ДС
А если ты возьмёшь lightgbm… А если не будешь кодировать категории OHE. А может потом запустишь какой-нибудь автомл…
DS
Какой датасет мучаешь?
ОН
да там решаю контест