MA
Здравствуйте! Посоветуйте пожалуйста курс чисто по Python хороший, можно и платный. С направлением анализ данных
Добрый день. Stepic Анатолий Карпов
Size: a a a
2021 February 11
AR
Здравствуйте! Посоветуйте пожалуйста курс чисто по Python хороший, можно и платный. С направлением анализ данных
Есть несколько хороших курсов для изучения Python на Stepik (простым языком все объясняют):
- https://stepik.org/course/67 - Программирование на Python. Хороший курс для новичков
- https://stepik.org/course/58852/promo - "Поколение Python": курс для начинающих. Курс позиционируется для школьников
- https://stepik.org/course/67 - Программирование на Python. Хороший курс для новичков
- https://stepik.org/course/58852/promo - "Поколение Python": курс для начинающих. Курс позиционируется для школьников
АК
Спасибо!
K
Ну ее надо кроссвалидировать
Так SVC вы ж тоже кросс-валидируете. Просто в цикл cv добавить ещё логрег. Несильно на времени скажется
DP
Можно, да, красиво. Нюанс будет только в том, что выберите модель лучшую по decision function, а использовать потом будете вероятности.
K
Да, но если изначальной метрикой был условной рок аук, то калибровка его не изменит
DP
Да, согласен, преобразование монотонное
D
Здравствуйте! Посоветуйте пожалуйста курс чисто по Python хороший, можно и платный. С направлением анализ данных
Если хочется прям с нуля получить неплохую базу, то могу посоветовать еще к курсам, что выше уже указали, "Инди-курс программирования на Python от egoroff_channel" на степике. Я сам начинал учить Python по его видео, потом он курс сделал. Правда некоторые видел доступны только по спонсорской подписке, но и без них можно
i
Здравствуйте! Посоветуйте пожалуйста курс чисто по Python хороший, можно и платный. С направлением анализ данных
Гуттаг на курсере
V
Гуттаг на курсере
EdX же
i
Может быть сории
V
это хорошие курсы, правда, класека
i
У него вышло третье издание книги расширенное питон для дс
i
5го января
DP
У него вышло третье издание книги расширенное питон для дс
как книга?
H
это хорошие курсы, правда, класека
Класе что ?
V
Классика)
k
Всем привет
Закончил первую неделю второго курса и решил написать что-то полезное для себя.
Есть "сет", состоящий из примерно 200 записей, которые содержат 6 признаков и 2 свойства, которые я хочу предсказывать
Первая проблема, с которой я столкнулся - без масштабирования X стохастический градиентный спуск после примерно 100 иттераций приходит к весам nan. Если сделать масштабирование признаков, тогда всё ок. Но вот получил я веса для отмасштабированного сета, хочу задать какие-то свои признаки и получить свойства, которые будут ожидаться - мне масштабировать признаки по какому среднему и среднеквадратичному отклонению? Правильно понимаю, что тут нужно использовать среднее и среднеквадратичное отклонение обучающей выборки? (Без масштабирования методом np.linalg.solve, кстати, более или менее похожее на правду предсказание выходит)
Ну и собственно вторая проблема или скорее вопрос. Как мне улучшить модель прогнозирования? У меня не все свойства имеют линейную зависимость. Сейчас начал ковырять полиномиальную регрессионную зависимость - я в правильном направлении двигаюсь?
Закончил первую неделю второго курса и решил написать что-то полезное для себя.
Есть "сет", состоящий из примерно 200 записей, которые содержат 6 признаков и 2 свойства, которые я хочу предсказывать
Первая проблема, с которой я столкнулся - без масштабирования X стохастический градиентный спуск после примерно 100 иттераций приходит к весам nan. Если сделать масштабирование признаков, тогда всё ок. Но вот получил я веса для отмасштабированного сета, хочу задать какие-то свои признаки и получить свойства, которые будут ожидаться - мне масштабировать признаки по какому среднему и среднеквадратичному отклонению? Правильно понимаю, что тут нужно использовать среднее и среднеквадратичное отклонение обучающей выборки? (Без масштабирования методом np.linalg.solve, кстати, более или менее похожее на правду предсказание выходит)
Ну и собственно вторая проблема или скорее вопрос. Как мне улучшить модель прогнозирования? У меня не все свойства имеют линейную зависимость. Сейчас начал ковырять полиномиальную регрессионную зависимость - я в правильном направлении двигаюсь?
i
Сколько данных, сколько столбцов?