bohater
  • 0
Mirki mam w #python funkcje 4 (hyper-)parametrow, w zasadzie bez zadnych constrainow, kotej wynikem jest score.
Da sie to jakos ladniej zoptymializowac niz poprzed k-fold validation? Gradient liczyc? Na pewno sa jakies gotowe rozwiazania? #machinelearning #datascience
  • 6
  • Odpowiedz

  • Otrzymuj powiadomienia
    o nowych komentarzach
Avitus
  • 0
@Kiv: Czasem taguję #datascience, ale teraz uznałem, że było za mało nauki tam wiec sobie odpuściłem ;-). A co do postów to nic straconego, myślę że pojawi się tam jeszcze coś do czytania. No i jest też całe archiwum tam też przecież ;-P
  • Odpowiedz
Avitus
  • 5
Hej #machinelearning i #datascience. Ostatnio po głowie chodził mi problem największego możliwego wpisanego okręgu w jakiś obszar zdefiniowany przez punkty na płaszczyźnie. Okazało się, że całkiem sprytnie można to rozwiązać za pomocą diagramów Woronoja. Jakby ktoś był zainteresowany, to zapraszam do artykułu:

https://www.jakbadacdane.pl/jakosc-powietrza-w-polsce-3-gdzie-brakuje-nam-czujnikow/

#jakbadacdane
  • Odpowiedz

  • Otrzymuj powiadomienia
    o nowych komentarzach
Avitus
  • 0
@musialmi: Toś mi akurat skomentował/(a) najmniej chyba istoty element artykułu. Widziałem to AFAIR gdzieś w materiałach u Andrew Ng i on tego też za bardzo nie drążył. Może masz rację ¯\_(ツ)_/¯
  • Odpowiedz
Avitus
  • 4
Hej #datascience i #machinelearning!
W tym tygodniu artykuł nieco leniwy, ale myślę, że będzie szczególnie przydatny dla programujących w #jezykr.
W artykule omawiam całkiem ciekawy pakiet o nazwie auditor. Jeśli potrzebowałeś kiedyś porównać właściwości modeli predykcyjnych w R to będzie to narzędzie w sam raz dla Ciebie:

https://www.jakbadacdane.pl/pakiet-auditor-weryfikacja-walidacja-i-analiza-bledow-modelu-w-r/

#jakbadacdane
  • 16
  • Odpowiedz

  • Otrzymuj powiadomienia
    o nowych komentarzach
Avitus
  • 0
@Kura_Wasylisa: O niekoniecznie. R to wciąż potężny język, a cała masa nauki dzieje się właśnie tam. Dla kogoś kto używa tylko Pythona nie będzie to przydatne, ale jeśli sytuacja jest odwrotna to pakiet ten nagle zyskuje dużo na wartości. Zresztą, nie chodzi tu o sam kod, ale o pomysły które będą (zapewne) trafiać do auditora. Nikt przecież nikomu nie broni zrobić czegoś podobnego w Pythonie właśnie ;)
  • Odpowiedz
Avitus
  • 0
@scyth: A wiesz, że nie? Przez ostatnie kilka lat zaniedbywałem dość mocno R-a. Ale mam kolejny powód żeby do niego powrócić :). Dzięki ;)
  • Odpowiedz
Avitus
  • 2
Hej.
W tym tygodniu powróciłem do problemu jakości powietrza i próby określenia gdzie było najlepiej i najgorzej w 2017 roku w Polsce. Wyszło tak sobie i nie za bardzo mam pomysł jak to ugryźć :D. Zasadniczym problemem jest mała ilość oficjalnych punktów pomiarowych. Ale o tym już w artykule ;)

https://www.jakbadacdane.pl/jakosc-powietrza-w-polsce-2-rok-2017-oczami-oddychajacego-polaka/

#jakbadacdane #datascience
  • 5
  • Odpowiedz

  • Otrzymuj powiadomienia
    o nowych komentarzach
Avitus
  • 1
@lekkonieobecny: Wow, fajnie to wyszło. W sumie też mi się ten temat przewija cały czas w tle, ale nie ogarnąłem jeszcze na tyle heat map w Pythonie żeby było warto o tym pisać. A widziałem że faktycznie Tableau nieźle sprawdza się w takich wizualizacjach. Zdecydowanie też coś takiego muszę przygotować w Pythonie i w R ;)
  • Odpowiedz
Avitus
  • 14
Ahoj #machinelearning i #datascience!. Czy są tutaj osoby początkujące? Specjalnie z myślą o was napisałem artykuł, w którym wypisuję i omawiam elementy projektu machine learning, które warto sobie przemyśleć i wybrać jeszcze przed rozpoczęciem pracy. Idea jest taka, że dzięki podjęciu tych decyzji, nawet osoba początkująca będzie miała szansę doprowadzić taki projekt do końca. Miłej lektury:

https://www.jakbadacdane.pl/jak-zaczac-dzialac-w-uczeniu-maszynowym/

#jakbadacdane
  • 7
  • Odpowiedz

  • Otrzymuj powiadomienia
    o nowych komentarzach
Avitus
  • 1
@sebek910: Siema. Tego akurat jeszcze nie wiem. Jeśli miałbym zgadywać, to powiedział bym, że pewnie tak, pytanie tylko po co? No bo jak już skalujemy wejście, to raczej po to, żeby operować tymi samymi rzędami wielkości. A różne skalery mogły bo to zepsuć. Nie?
  • Odpowiedz
Avitus
  • 0
@sebek910: Możliwe jest jak najbardziej, no bo robisz je w innym momencie niż trenowanie. Pytanie tylko czy np. jeśli wiek klienta będziesz skalował inaczej niż wiek nieruchomości to nie zepsujesz sobie danych ;)
  • Odpowiedz
Avitus
  • 0
@saif3r: Okładka i tytuł zalatuje trochę clickbaitem, ale kto wie, może coś sensownego piszą.

Zawsze mnie zastanawiało, jak statystycznie ugryźć taki temat. Ile jest rocznie bombiarzy samobójców? Czy kontekst za każdym razem jest inny, czy lecą taśmowo? Z chęcią przeczytał bym recenzję tej książki :)
  • Odpowiedz
Avitus
  • 1
Hej #datascience. Natrafiłem właśnie na coś takiego: https://root.cern.ch/. Przyznam, że nigdy o tym nie słyszałem ani tym bardziej nie widziałem w akcji. Ktoś z was miał może z tym do czynienia i może w kilku zdaniach napisać o co kaman?
  • 4
  • Odpowiedz

  • Otrzymuj powiadomienia
    o nowych komentarzach
Avitus
  • 0
@dziobaki_sa_jadowite: Pewnie, nie planuję zamienić scikit-learn na to. Ciekawi mnie jednak, czy da się tego używać tylko w fizyce cząstek elementarnych, czy coś bardziej przyziemnego też da się tam wrzucić ;)
  • Odpowiedz

Damian

Osiągnięcia