D😎
я только вошел в это направление, нормализацию не делал
Вот для нормализации тоже нужно какой нибудь сет скачать
Size: a a a
2020 April 18
IS
векторизация и нормализация не одно и тоже
D
вопрос насчет pandas: есть ли эквивалент table в R, только для pandas? Желательно, чтобы применялось на весь датафрейм, т.к. value_counts() подходит только для серии.
S
порекомендуйте облако по дешевле, смотрел яндекс но там какие то замуты с юр лицом
D😎
векторизация и нормализация не одно и тоже
нет
A
вопрос насчет pandas: есть ли эквивалент table в R, только для pandas? Желательно, чтобы применялось на весь датафрейм, т.к. value_counts() подходит только для серии.
Z
порекомендуйте облако по дешевле, смотрел яндекс но там какие то замуты с юр лицом
colab pro edition ж
RA
colab pro edition ж
Видимо для хранения
S
Да чтоб тот же докер контейнер поднять
A
colab pro edition ж
Он кстати недоступен в Казахстане. По крайней мере, так было недели две назад
Z
Он кстати недоступен в Казахстане. По крайней мере, так было недели две назад
В смысле оплата не проходит?
A
В смысле оплата не проходит?
Не, мне просто написали "данный продукт еще недоступен в вашей стране". Или регионе. Не помню точно
DT
Не, мне просто написали "данный продукт еще недоступен в вашей стране". Или регионе. Не помню точно
AF
я юзаю успешно из кз
Y
я юзаю успешно из кз
2020 April 19
A
Всем доброе утро.
Кто-нибудь знает какой пакет лучше использовать для решения линейных в комбинации с нелинейными одновременными уравнениями в R?
Кто-нибудь знает какой пакет лучше использовать для решения линейных в комбинации с нелинейными одновременными уравнениями в R?
AB
Всем доброе утро.
Кто-нибудь знает какой пакет лучше использовать для решения линейных в комбинации с нелинейными одновременными уравнениями в R?
Кто-нибудь знает какой пакет лучше использовать для решения линейных в комбинации с нелинейными одновременными уравнениями в R?
А какого вида нелинейность?
A
необходимо объденить модели логит и тобит с линейными регрессиями
AB
Можно решить оптимизируя weighted loss. Что-то типа
loss(θ₁, θ₂, θ₃) = norm₂(X₁θ₁ - t₁) + norm₂(logit(X₂,θ₂) - t₂) + norm₂(tobit(X₃,θ₃) - t₃)
В таком виде это можно оптимизировать через стандартные пакеты оптимизации (не знаком с пакетами в R)
loss(θ₁, θ₂, θ₃) = norm₂(X₁θ₁ - t₁) + norm₂(logit(X₂,θ₂) - t₂) + norm₂(tobit(X₃,θ₃) - t₃)
В таком виде это можно оптимизировать через стандартные пакеты оптимизации (не знаком с пакетами в R)
AB
Если не ошибаюсь, то и логит и тобит выпуклые функции относительно параметров; это значит, что и лос выше выпуклый. Соответственно если решение существует, то условный SGD должен сойтись к нулю. Если же он не сходится достаточно долго, то скорее всего решения не существует (например твоя регрессор матрица X₁ is overdetermined)