Size: a a a

Machine learning

2020 April 27

AK

Andrey 🦉 Kovalchuk in Machine learning
Не критично. Но местами неприятно.
источник

y

yithian in Machine learning
Причём тут обновления? Как такое в продакшн может попасть? Это означает, что там нет ни то что покрытия тестами, но что и код, похоже, в блокноте пишется.)
источник

AK

Andrey 🦉 Kovalchuk in Machine learning
yithian
Причём тут обновления? Как такое в продакшн может попасть? Это означает, что там нет ни то что покрытия тестами, но что и код, похоже, в блокноте пишется.)
мы про разные вещи, видимо говорим.
источник

AK

Andrey 🦉 Kovalchuk in Machine learning
Разошлись контекстами.
источник

МИ

Максим Иванченко in Machine learning
Andrey 🦉 Kovalchuk
Периодичноть обновления публичных API столько популярных инструментов несколько больше, как правило, нежели упражнений на каком-то курсе.

Поэтому поддерживать курс в актуальном состоянии проще. В пользу чего также говорит собираемый от пользователей фидбек по этим самым проблем.
Насчёт параллели... Ну может не настолько прямая, но есть. Иногда хочется сделать совсем иначе, чем это требуется, причём решение может быть даже лучше по итогу...
источник

y

yithian in Machine learning
На практикуме Яндекс задания актуализирует думаю, кстати.
источник

y

yithian in Machine learning
И качество кода выше, думаю.
источник

МИ

Максим Иванченко in Machine learning
Andrey 🦉 Kovalchuk
Периодичноть обновления публичных API столько популярных инструментов несколько больше, как правило, нежели упражнений на каком-то курсе.

Поэтому поддерживать курс в актуальном состоянии проще. В пользу чего также говорит собираемый от пользователей фидбек по этим самым проблем.
Но ситуация, когда платный сервис слегка на самотёке, конечно странная, соглашусь. На имя тоже можно не бесконечно полагаться.
источник

SD

Sergey Dudoladov in Machine learning
#c6w3 посмотрите кому не сложно, в ответ тоже могу проверить  https://www.coursera.org/learn/data-analysis-project/peer/XyyH0/vizual-nyi-analiz-dannykh-i-postroieniie-priznakov/review/nfe1FYiWEeqINhJ7ACzf9w
источник

A

Albyc in Machine learning
Помогите, пожалуйста - напал дикий тупняк. Есть дискретная функия f(x) = y. Хочется найти, по сути, такой аргумент x, при котором достигается среднее значение y. Если бы y являлся вероятностью, то нужно было бы найти просто матожидание. Как это сделать в моём случае?
источник

ZB

Zaphod Beeblebrox in Machine learning
Albyc
Помогите, пожалуйста - напал дикий тупняк. Есть дискретная функия f(x) = y. Хочется найти, по сути, такой аргумент x, при котором достигается среднее значение y. Если бы y являлся вероятностью, то нужно было бы найти просто матожидание. Как это сделать в моём случае?
Вполне может случиться и так, что ни при каком x не будет среднего y
источник

A

Albyc in Machine learning
Zaphod Beeblebrox
Вполне может случиться и так, что ни при каком x не будет среднего y
А как хотя бы приблизительно найти? Задача изначальная - есть 2д пространство векторов и определённая заданная ось. Строю гистограмму (от 0 до 360), где по x - целый угол между вектором и осью, y - кол-во таких углов. Есть пик на этой гистограмме, который обычно лежит в середине графика (180), но иногда он смещается и нужно вернуть его на законное место. В мыслях ещё просто находить расстояние от 180 до пика, но есть вероятность, что пик может быть ложный и нужно бы иметь хотя бы пучок таких пиков
источник

Ю

Юрий in Machine learning
Albyc
А как хотя бы приблизительно найти? Задача изначальная - есть 2д пространство векторов и определённая заданная ось. Строю гистограмму (от 0 до 360), где по x - целый угол между вектором и осью, y - кол-во таких углов. Есть пик на этой гистограмме, который обычно лежит в середине графика (180), но иногда он смещается и нужно вернуть его на законное место. В мыслях ещё просто находить расстояние от 180 до пика, но есть вероятность, что пик может быть ложный и нужно бы иметь хотя бы пучок таких пиков
Я правильно понял, что сама функция у Вас уже есть и вы можете скидывать ей х и она будет отдавать ответы?
источник

A

Albyc in Machine learning
Юрий
Я правильно понял, что сама функция у Вас уже есть и вы можете скидывать ей х и она будет отдавать ответы?
Ну да, array у меня есть
источник

Ю

Юрий in Machine learning
Albyc
Ну да, array у меня есть
А, у Вас уже есть значения функции в массиве?
источник

A

Albyc in Machine learning
Юрий
А, у Вас уже есть значения функции в массиве?
Да
источник

Ю

Юрий in Machine learning
Albyc
Да
Если известен шаг х, для которого посчитаны значения, то просто посчитайте "матожидание" (как вы и предложили в своем первом сообщении). Просуммируйте произведения "вероятностей" на "значения"
источник

Ю

Юрий in Machine learning
"Вероятности" надо пронормировать, конечно же, чтоб в сумме они были равны 1
источник

A

Albyc in Machine learning
В этом и загвоздка - их сумма не 1 и пока что не получилось нормализовать для выполнения условия sum(f(x)_i) = 1
источник

Ю

Юрий in Machine learning
Поделите каждое из них на их сумму
источник