BA
Ну тангенс всё же
Size: a a a
2021 June 26
:
Там имелось ввиду что угол ,как понять причём здесь 0,83
Y
Тангенс угла наклона - коэффициент при линейном слагаемом
Y
Выше же есть выражение для y
:
Это тоже имеет отношение к регрессии ?)
Y
Непосредственное)
:
Все благодарю 🙏 понял,как раз и на видеокурс наткнулся
PK
Какие то странные формулы на bo b1 или я что-то не понимаю
:
Самому бы разобраться )
V
Да это что-то стремный способ
2021 June 27
AK
Народ, я тут прочитал, это верно или бред?
Проблема LabelEncoder в том, что, поскольку разные числа в одном столбце, модель неправильно подумает, что данные находятся в каком-то особом порядке — 0 < 1 < 2 Хотя это, конечно, совсем не так. Для решения проблемы мы используем OneHotEncoder.
Проблема LabelEncoder в том, что, поскольку разные числа в одном столбце, модель неправильно подумает, что данные находятся в каком-то особом порядке — 0 < 1 < 2 Хотя это, конечно, совсем не так. Для решения проблемы мы используем OneHotEncoder.
AR
Категориальные фичи можно условно разделить на два типа:
- порядковые. Жарко > тепло > нейтрально > холодно. Их можно перевести в 4 > 3 > 2 > 1, так как эти значения идут по порядку. Главное указать верный порядок при LabelEncoder
- непорядковые. К примеру: ручка, карандаш, кисть и т.п. Между ними нет никакого порядка, чтобы можно было представить их в виде чисел в одной фиче. Если представим, то добавим к этим значениям операции линейного пространства (сложение, вычитание и т.п.), чего не было в исходном. Поэтому OneHotEncoder
- порядковые. Жарко > тепло > нейтрально > холодно. Их можно перевести в 4 > 3 > 2 > 1, так как эти значения идут по порядку. Главное указать верный порядок при LabelEncoder
- непорядковые. К примеру: ручка, карандаш, кисть и т.п. Между ними нет никакого порядка, чтобы можно было представить их в виде чисел в одной фиче. Если представим, то добавим к этим значениям операции линейного пространства (сложение, вычитание и т.п.), чего не было в исходном. Поэтому OneHotEncoder
AK
О. Спасибо. Огонь пояснение.
Но по факту же labelencoder может по порядку не расставить жарко>тепло>холодно, а случайно
Но по факту же labelencoder может по порядку не расставить жарко>тепло>холодно, а случайно
AR
Здесь помогает https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.OrdinalEncoder.html , в его параметрах можно это указать
AK
А. Всё. Понял. Спасибо большое
AK
Можно ещё совсем лирический вопрос. Правильный ли алгоритм или что можно добавить. Больше всего интересуют пункты 2-3
1 ETL, EDA
2 Использую разные варианты моделей и беру ту, которая дала наилучший результат. А именно Catboost, XGBoost, LightGBM (основной прирост точности тут)
3 У той модели, которая дала лучший результат делаю GridSearch(добавляет пару процентов)
1 ETL, EDA
2 Использую разные варианты моделей и беру ту, которая дала наилучший результат. А именно Catboost, XGBoost, LightGBM (основной прирост точности тут)
3 У той модели, которая дала лучший результат делаю GridSearch(добавляет пару процентов)
AK
похоже слишком общий вопрос
ya
Нужно по быстрому с docker разобраться. Если кто знает хороший tutorial скиньте линку плиз
i
Незнакомпас