Size: a a a

Machine learning

2020 May 04

SG

Sergey Galich in Machine learning
#c3w3
Коллеги, добрый день! Проверьте пожалуйста мой ноутбук. Заранее спасибо!
https://www.coursera.org/learn/unsupervised-learning/peer/ATLR5/vizualizatsiia-dannykh/review/og-PaI2_EeqPSxJQZcUQVQ
источник

ЕЯ

Евгений Яковлев... in Machine learning
Ребята, привет. Посмотрите, код, что делаю не так. Идея - перевод числа в двоичную систему
источник

K

K-S in Machine learning
А можно задать вопрос по статке не по теме курса?
источник

A

Aroh in Machine learning
Евгений Яковлев
Ребята, привет. Посмотрите, код, что делаю не так. Идея - перевод числа в двоичную систему
как минимум должна быть конструкция elif. Вы же не return делаете, который из условия вас выведет, а выполняете каждую строку последовательно. Сейчас вы всегда записываете или 10, или 0 на каждом цикле
источник

K

K-S in Machine learning
Надеюсь, кто-то поможет разобраться с общим вопросом.

Вопрос по основам марковских цепей. Любое предельное распределение вероятностей автоматически является и стационарным, но вот обратная логика работает не всегда, то есть не любое стационарное распределение является предельным. Не подскажите, как такое может быть? Ведь p_inf = p * A^inf.  То есть по идее если мы возьмём стационарное распределение p и будем его бесконечно умножать на матрицу A, то p_inf всегда будет равняться изначальному p, разве нет?
источник

ЕЯ

Евгений Яковлев... in Machine learning
Aroh
как минимум должна быть конструкция elif. Вы же не return делаете, который из условия вас выведет, а выполняете каждую строку последовательно. Сейчас вы всегда записываете или 10, или 0 на каждом цикле
у меня если оcтатка нет при false подается 0 (нет, перемудрил?)
источник

A

Aroh in Machine learning
Вы его всегда добавляете. Можно просто написать append(i%n)
источник

ЕЯ

Евгений Яковлев... in Machine learning
Aroh
Вы его всегда добавляете. Можно просто написать append(i%n)
спасибо, можно даже упростить, но все равно дальше 2 итерации код не идет((
источник

A

Aroh in Machine learning
Логично, 19//2 это 9
источник

A

Aroh in Machine learning
Вы запускаете ренж от 19 к 0 с шагом -(9+1)
источник

A

Alexander in Machine learning
Вообще куда логичнее здесь цикл через while организовать
источник

A

Aroh in Machine learning
Ну да и переопределять х пока не дойдете до х = 1
источник

IK

Ivan Krokhalyov in Machine learning
K-S
Надеюсь, кто-то поможет разобраться с общим вопросом.

Вопрос по основам марковских цепей. Любое предельное распределение вероятностей автоматически является и стационарным, но вот обратная логика работает не всегда, то есть не любое стационарное распределение является предельным. Не подскажите, как такое может быть? Ведь p_inf = p * A^inf.  То есть по идее если мы возьмём стационарное распределение p и будем его бесконечно умножать на матрицу A, то p_inf всегда будет равняться изначальному p, разве нет?
Скорее наоборот. Стационарное распределение будет предельным тоже(это понятно), а предельное стационарным нет(по крайней мере неочевидно)
источник

K

K-S in Machine learning
Ivan Krokhalyov
Скорее наоборот. Стационарное распределение будет предельным тоже(это понятно), а предельное стационарным нет(по крайней мере неочевидно)
Нет, предельное как раз всегда будет стационарным.

p_inf = p*A^inf * A = p*A^inf = p_inf
источник

TC

Tommy Cash in Machine learning
Если конечная цель перевести, то можно использовать bin()
источник

IK

Ivan Krokhalyov in Machine learning
K-S
Нет, предельное как раз всегда будет стационарным.

p_inf = p*A^inf * A = p*A^inf = p_inf
тогда в обе стороны правильно. если последовательность константа на каждом шаге значит и в пределе тоже константа
источник

K

K-S in Machine learning
Ivan Krokhalyov
тогда в обе стороны правильно. если последовательность константа на каждом шаге значит и в пределе тоже константа
Просто читал материал, где заявлялось именно следующее: предельное = всегда стационарное, стационарное не всегда = предельное. Для первого случая доказательство привели, а вот для второго нет. А сам я пока вывести не додумался
источник

IK

Ivan Krokhalyov in Machine learning
а предельное распределение - это такое в которое приходим из любого начального распределения? в inf шагов
источник

K

K-S in Machine learning
Ivan Krokhalyov
а предельное распределение - это такое в которое приходим из любого начального распределения? в inf шагов
Ага.
источник

IK

Ivan Krokhalyov in Machine learning
возможно речь о том что есть стационарное но предельного(как в общем случае) не существует
источник