Size: a a a

ML Boot Camp Official

2020 February 10

ST

Serhii Tiurin in ML Boot Camp Official
какая задача?
источник

JS

Jury Sergeev in ML Boot Camp Official
по уровню сигнала от минимум трех БС предсказать координату девайса
источник

ST

Serhii Tiurin in ML Boot Camp Official
ну это триангуляция, стандартная задача. Насколько мне известно то нейронки не нужны, обычные алгоритмы
источник

p

pa_antya in ML Boot Camp Official
Serhii Tiurin
ну это триангуляция, стандартная задача. Насколько мне известно то нейронки не нужны, обычные алгоритмы
+
источник

KS

Kirill Syomin in ML Boot Camp Official
кажется в Kaggle kernels tpu завезли
источник
2020 February 11

NB

Nikolai Bragin in ML Boot Camp Official
это бы неплохо, а то колаб стал требовать деньги за приоритетный доступ к TPU.
источник

p

pa_antya in ML Boot Camp Official
Kirill Syomin
кажется в Kaggle kernels tpu завезли
Что по чём и с чем?)
источник

KS

Kirill Syomin in ML Boot Camp Official
Хз, у меня в кернелах теперь вместо gpu on/off менюшка на None/Gpu/TPU
источник

KS

Kirill Syomin in ML Boot Camp Official
Мб это а/б тест, если у кого нет
источник

NB

Nikolai Bragin in ML Boot Camp Official
Kirill Syomin
Мб это а/б тест, если у кого нет
Хрена тут тестировать. Как будто кто-то откажется.
источник

JS

Jury Sergeev in ML Boot Camp Official
Serhii Tiurin
ну это триангуляция, стандартная задача. Насколько мне известно то нейронки не нужны, обычные алгоритмы
обычные - эмпирические? они не годятся, т.к. прием по переотраженке, и от погоды-облачности есть зависимость, и от плотности застройки, или наличия прямой видимости...
источник

IV

Ivan Veriga in ML Boot Camp Official
Только даже в таком случае, стандартные алгоритмы триангуляции будут более валидны нейронок
источник

JS

Jury Sergeev in ML Boot Camp Official
с чего бы? как они учтут застройку и погоду?
источник

JS

Jury Sergeev in ML Boot Camp Official
это же просто геометрия, а мы радиус окружности, где центром будет БС, а на окружности - девайс, не можем посчитать, потому что RSSI сильно меняется от направления, хотя бы
источник

JS

Jury Sergeev in ML Boot Camp Official
есть, правда, мысль сделать модель-классификатор, понять - внутри полигона, образованного БСками, находится девайс, или снаружи... тогда можно будет уже другой моделью более точно радиус получить... ну а далее уже геометрия... правда если классификатор ошибется (а он будет) - будет дичь дикая )
источник

JS

Jury Sergeev in ML Boot Camp Official
вообще по другому еще поступают - бьют город на тайлы, например, через геохеш, и строят классификатор - в каком тайле находится девайс... но в моем случае мало данных, не во всех тайлах девайсы, увы...
источник

AT

Alexey Tikhonov in ML Boot Camp Official
А может посчитать триангуляцией центр, а от него уже корректировки плюс минус учитывая Фичи, ветер, застройку и все такое
источник

IV

Ivan Veriga in ML Boot Camp Official
Alexey Tikhonov
А может посчитать триангуляцией центр, а от него уже корректировки плюс минус учитывая Фичи, ветер, застройку и все такое
Скорее всего все упрется в отсутствие данных
источник

JS

Jury Sergeev in ML Boot Camp Official
Alexey Tikhonov
А может посчитать триангуляцией центр, а от него уже корректировки плюс минус учитывая Фичи, ветер, застройку и все такое
ну что бы его посчитать, надо радиусы от БС знать, а они зависят от... впрочем делал модель расстояния до БС-ки, разброс там конечно аховый, оно и понятно почему... но не додумался еще модель сделать, корректирующую... типа бустинга получается, хех
источник

JS

Jury Sergeev in ML Boot Camp Official
Ivan Veriga
Скорее всего все упрется в отсутствие данных
да, их мало... количественно то записей сигналов девайс-БС много, но девайсы стационарные, и по сути на город даже сотни их не наберется
источник