Size: a a a

ML Boot Camp Official

2020 February 27

ИБ

Иван Брагин in ML Boot Camp Official
Alexey  решил взяться за дело ?
источник

AT

Alexey Tikhonov in ML Boot Camp Official
Ага, боишься ?☺️
источник

ИБ

Иван Брагин in ML Boot Camp Official
Да, вот сел потюнить
источник

ИБ

Иван Брагин in ML Boot Camp Official
Что то не движется
источник

ИБ

Иван Брагин in ML Boot Camp Official
Не, если ты это называешь бейзлайном, то, думаю у нас что то одинаковое
источник

ИБ

Иван Брагин in ML Boot Camp Official
Ты всегда так думаешь про решения выше твоего.
источник

ИБ

Иван Брагин in ML Boot Camp Official
Вспомни как ты думал когда 50 было, а оказалось...
источник

ИБ

Иван Брагин in ML Boot Camp Official
У меня на трейна и то не сильно меньше 10
источник

ИБ

Иван Брагин in ML Boot Camp Official
О, локально что то получилось
источник

ИБ

Иван Брагин in ML Boot Camp Official
Может 13 пробью
источник
2020 February 28

ЯИ

Яшар Ильясов in ML Boot Camp Official
А я правильно понимаю что вероятность выиграть на аукционе может быть только 0 0.5 и 1
источник

Ivan Σ in ML Boot Camp Official
Яшар Ильясов
А я правильно понимаю что вероятность выиграть на аукционе может быть только 0 0.5 и 1
Почему ты так думаешь?
источник

ЯИ

Яшар Ильясов in ML Boot Camp Official
Тогда на аукционе у всех объявлений сумма вероятностей равна 1?
источник

Ivan Σ in ML Boot Camp Official
У тебя всего 2 объявления в момент?
источник

ЯИ

Яшар Ильясов in ML Boot Camp Official
Ivan Σ
У тебя всего 2 объявления в момент?
Вроде нет
источник

Ivan Σ in ML Boot Camp Official
Кажется я тела не понимаю...
источник

ЯИ

Яшар Ильясов in ML Boot Camp Official
Ivan Σ
Кажется я тела не понимаю...
Ну вот допустим аукцион
источник

ЯИ

Яшар Ильясов in ML Boot Camp Official
На нем объявления со ставками 100 100 100 10
источник

ЯИ

Яшар Ильясов in ML Boot Camp Official
У них вероятности выиграть в сумме 1 будет или нет?
источник

ВК

Вячеслав Колосков in ML Boot Camp Official
всем привет. подскажите пожалуйста, пытаюсь прикрутить метрику из бейзлайна. но после взятия логарифма:
np.log(responses_column + epsilon) / (answers_column + epsilon) )

в значениях появляются nan'ы и все дальнейшие вычисления приводят к nan'у
источник