@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

@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)_/¯

@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 ;)

@scyth: A wiesz, że nie? Przez ostatnie kilka lat zaniedbywałem dość mocno R-a. Ale mam kolejny powód żeby do niego powrócić :). Dzięki ;)

@Kura_Wasylisa: No ok, ale co np. z badaniami medycznymi? Biznes jest? Jest. Poważne ML jest? Jest. R jest? Jest. Oczywiście proporcje mogą być inne, a i medialnie brzmi to słabo. Czy z tego powodu jest to sztuka dla sztuki.

Ale nieważne, nie musimy tutaj chyba udowadniać swoich racji, bo wydaje mi się, że jeśli komuś to pomoże w rozwiązaniu jakiegoś ważnego problemu to już jest gites :).

A Shap teżPokaż całość

@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 ;)

@grajlord: Myślę właśnie o modelowaniu czasoprzestrzennym, czyli oprócz uwzględnienia współrzędnych dołożyć do tego jeszcze informacje typu - godzina, dzień miesiąca, rok, dzień tygodnia, czy dzień jest świętem. Zobaczyć czy z tego da się coś wyczarować. A później dołożyć jeszcze informacje pogodowe: opady, ciśnienie, temperatura, wiatr.
A jeżeli już będę miał takie modele, to mogę wtedy spojrzeć na dane z przyszłych lat. Tzn. wiele nowych czujników pojawia się z dnia naPokaż całość

@ja_tu_czytam: Nie obrażam się ;). I mam pewien pomysł jak to ugryźć, ale jeszcze nie przetestowany - użyć modułu dask (https://dask.org/).
W samym artykule też piszę o tym, że możemy w ogóle nie zbudować ramki danych bo zabraknie nam pamięci ( ͡° ͜ʖ ͡°).

W sumie to jest to pomysł na artykuł na przyszłość. Może faktycznie w takiej sytuacji polegnę. Ale i tak będzie oPokaż całość

@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?

@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 ;)

@sebek910: Dokładnie. Daj znać co Ci z tego wyjdzie ( ͡° ͜ʖ ͡°)

@erwit: Nie myślałem. Myślisz ma to sens?

@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 ;)

@dziobaki_sa_jadowite: Właśnie o to mniej więcej mi chodziło. Dzięki :)