VM
ни один? )
Пробовал, неверно)
Size: a a a
2020 April 29
P
Vlad Molchanov
1,4
KD
Vlad Molchanov
Всем привет! Подскажите пожалуйста какие тут нужно выбрать варианты)
Они очень противоречивые, по-всякому пробовал
Они очень противоречивые, по-всякому пробовал
либо 1, либо 1 4
KD
Vlad Molchanov
Всем привет! Подскажите пожалуйста какие тут нужно выбрать варианты)
Они очень противоречивые, по-всякому пробовал
Они очень противоречивые, по-всякому пробовал
кстати, ты тоже можешь жадным методом перебирать ответы)
VM
1,4
Да, этот вариант оказался правильным, спасибо)
Правда это удивительно, потому что есть жадный алгоритм, который делает полный перебор подмножеств признаков
Ну, и также может оказаться так, что перебор не повысит качество, если изначально модель обучается на оптимальном множестве признаков
Правда это удивительно, потому что есть жадный алгоритм, который делает полный перебор подмножеств признаков
Ну, и также может оказаться так, что перебор не повысит качество, если изначально модель обучается на оптимальном множестве признаков
VM
Kabyken Daulet
кстати, ты тоже можешь жадным методом перебирать ответы)
😄😄😄 правда попытки всего 3))
KD
а, точно)
RN
Vlad Molchanov
Да, этот вариант оказался правильным, спасибо)
Правда это удивительно, потому что есть жадный алгоритм, который делает полный перебор подмножеств признаков
Ну, и также может оказаться так, что перебор не повысит качество, если изначально модель обучается на оптимальном множестве признаков
Правда это удивительно, потому что есть жадный алгоритм, который делает полный перебор подмножеств признаков
Ну, и также может оказаться так, что перебор не повысит качество, если изначально модель обучается на оптимальном множестве признаков
Какой же он жадный, если делает полный перебор?
h
полный перебор это не жадный алгоритм, таки да
VM
полный перебор это не жадный алгоритм, таки да
Да, сейчас пересмотрел определение жадного алгоритма и понял, что я неверно воспринимал это понятие
h
Грокаем алгоритмы могу порекомендовать, там обьяснено хорошо
да и в целом почитать её стоит
да и в целом почитать её стоит
VM
Грокаем алгоритмы могу порекомендовать, там обьяснено хорошо
да и в целом почитать её стоит
да и в целом почитать её стоит
Читал, просто давно, подзабыл немного)
GB
Как с этим справится?
MemoryError: Unable to allocate 2.52 GiB for an array with shape (14934, 45340) and data type float32
MemoryError: Unable to allocate 2.52 GiB for an array with shape (14934, 45340) and data type float32
IK
а какой кусок кода вызывает такое?
IK
можно понизить тип до float16, можно пользоваться разреженной матрицей
GB
а какой кусок кода вызывает такое?
В пайплайне я делаю дамми кодирование категориальных признаков, потом udersampling, применяю GradientBoostingClassifier далее кроссвалидацию. Ну и когда считает среднее по фолдам, выдает такое сообщение. При этом для Случайного леса, такого собщения нет. И на гугл коллабе тоже нет, просто считает долго и все.
KD
можете посоветовать хорошие задачники по мат статистике? желательно с задачками на проверку гипотез и АБ-тестами
С
Если речь о датафрейме, то видимо df.iloc[[1, 2]], где df это переменная в которой хранится датафрейм
Имеется выборка из нескольких элементов типа numpy.float64. Нужно записать в файл только первый и второй элемент
С
Выборка в виде столбца. Записать в файл нужно последовательно через пробел
GB
#C6W4 прогнозирование оттока. Я новенький на каггле на понимаю как действовать. Там есть два датасета, трэйн и тест. Имею я право проделывать какие-либо манипуляции с тестовым дата фрэймом, честно ли это будет? По каким данным проводится проверка решения?