Size: a a a

Machine learning

2021 January 20

M

Michael in Machine learning
Отношение массы к объёму?
источник

A

An in Machine learning
иди теорвер почитай это база
источник

I

Ivan in Machine learning
Michael
Отношение массы к объёму?
Нужно на размерность смотреть. Если pdf описывает распределение величины x (например, количество людей, рубли, килограммы), тогда размерность произведения величины х на пдф даст вероятность. Соответственно, pdf в точке - вероятность в единицу величины х (вероятность/кг, вероятность/рубль и тд). Потому ее и называют плотностью
источник

MR

Max R. in Machine learning
K-S
Это в контексте, что делать если модель предсказывает отрицательное значение, когда оно таким не может быть исходя из логики?

Потому что если в общем случае случайная величина имеет распределение типа хи-квадрат, например, или F, то отрицательному значению реализации случ величины там получиться не может
Это в контексте поиска аномалий, выхода за дов. интервал для значений параметра, который не может быть отрицательным, скажем, 3 значения [7,1,1] дают отрицательный нижний доверит. интервал
источник

AM

Aleksandr Markelov in Machine learning
Max R.
Это в контексте поиска аномалий, выхода за дов. интервал для значений параметра, который не может быть отрицательным, скажем, 3 значения [7,1,1] дают отрицательный нижний доверит. интервал
Чем это мешает? Или я что-то не понимаю.
источник

K

K-S in Machine learning
Sergey Salnikov
я заметил интересную вещь - все регрессоры, которые я опробовал, давали гистограмму предикшинов с одним пиком, хотя у ground thrue распределение двумодальное. т.е. там типа облака точек из оболочки сферы, и по x, y невозможно угадать z, всегда съезжает на среднее между ними
Ну вон первое место снова что-то придумало)
источник

K

K-S in Machine learning
А, кстати, автоэнкодер как фичеэкстрактор не обучали?
источник

SS

Sergey Salnikov in Machine learning
а сетки там заходят? я попробовал MLP - не взлетело. до автоэнкодеров ещё не дошел, но возможно успею попробовать
источник

K

K-S in Machine learning
я сетку пока еще не пробовал ;|
источник

SS

Sergey Salnikov in Machine learning
читаю форум, народ предлагает тоже гаусиновы микстуры попробовать. и, вспомнил, там не 2, а 3 моды, судя по umap
источник

K

K-S in Machine learning
gmm-то хорошо, вопрос как их использовать еще. Я вот думал, для постпроцессинга, но чет у меня не зашло
источник

Ю

Юрий in Machine learning
Sergey Salnikov
читаю форум, народ предлагает тоже гаусиновы микстуры попробовать. и, вспомнил, там не 2, а 3 моды, судя по umap
Снова ворвусь в ваш разговор) Как по umap понять сколько мод? Мы же говорим про таргет, я думал можно просто использовать 👀 и plt.hist(target, 100).
источник

SS

Sergey Salnikov in Machine learning
там три лепестка
источник

K

K-S in Machine learning
Юрий
Снова ворвусь в ваш разговор) Как по umap понять сколько мод? Мы же говорим про таргет, я думал можно просто использовать 👀 и plt.hist(target, 100).
там и в таргете виднеется третья гауссианка
источник

K

K-S in Machine learning
но 1-е место прям что-то придумало, видать
источник

Ю

Юрий in Machine learning
K-S
там и в таргете виднеется третья гауссианка
Да, это видел, и даже 4 справа, если совсем вглядеться) Я gmm в 4 компоненты обучал
источник

Ю

Юрий in Machine learning
Sergey Salnikov
там три лепестка
Мы же под umap имеем ввиду Uniform Manifold Approximation and Projection, так? Вот украденный с форума манифолд фич. Как я понимаю, по фичам мы не найдем сколько мод в таргете) А применять umap к таргету, который и так одномерный, нет смысла. Вот и вопрос, Вы написали "3 моды, судя по UMAP", куда смотреть в UMAP, чтоб посчитать моды?)
источник

Ю

Юрий in Machine learning
K-S
но 1-е место прям что-то придумало, видать
0.69590😭 У Вас смс оповещение на изменения в LB?)
источник

MR

Max R. in Machine learning
Aleksandr Markelov
Чем это мешает? Или я что-то не понимаю.
Ну получается так как значение реально не может быть меньше нуля, то следующее значение временного ряда, по сути может попасть в более узкий доверительный интервал, скажем не в (-2; +2), а в [0;2)
источник

K

K-S in Machine learning
Юрий
0.69590😭 У Вас смс оповещение на изменения в LB?)
каггл - это самый часто посещаемый сайт за день))
источник