@szczygiel2000: Zielonkawa ksiażka, jest mocno przestażała, ja bardziej polecam https://cses.fi/book/book.pdf
to Cię dobrze przygotuję do programowania pod względem algorytmiki oraz struktur danych, wszystko ładnie przedstawione, to co najważniejsze i użyteczne, pondato, przyda Ci się jeśli dostaniesz jakiś live coding, takie przejście całego drzewa binarnego to dla Ciebie będzie pestka ( ͡° ͜ʖ ͡°)

@Blooser: a te wszystkie matki boskie to też nic innego, jak właśnie wymyśleni bożkowie xD

@Blooser bo 150 matek od smarowania chleba i pierdyliard świętych nie funkcjonują jako bożkowie xD

@elo490500: Corvo chuju zostaw Janusza

@inquis1t0r: King Terry! (ಠ‸ಠ)

@pepepanpatryk: Standaryzacja polega m.in na tym iż najpierw odejmuje się od danej wartości średnią, a następnie dzieli się ją przez wariancję, dzięki temu wynikowy rozkład ma wariancję jednostkową, taki zabieg sprawia, że większośc klasyfikatorów ma lepszą precyzję.

Pamiętaj, że należy dostosowywać funkcje skalujące wyłącznie dla danych uczących, nie do całego zbioru danych!

Najpopularniejsze to Min-Max Scaling oraz Standarization.

@pepepanpatryk: Przygotowując dane, z reguły jest podział na datatest oraz datatraining, czyli pierwsze służące do oceniania klasyfikatora, a drugie, aby klasyfikator wytrenować, skalowanie zawsze przeprowadzaj tylko na danych służących do trenowania(datatraining).

@pepepanpatryk: Zbiór testowy powinnien być nietknięty, on służy tylko do sprawdzenia, czy klasyfikator dokonał trafnych, albo bliskich predykcji.

KMeans to Clustering, te centroidy wyznaczają środek tych skupisk danych, ja używałem KMeans tylko do wizualizacji, ale teraz sprawdziłem w dokumentacji scikit-learn, że posiada metody fit oraz predict. Wydaje mi się, że centroidy na ten moment są zbędne, ważniejsze są przewidziane wartości.

Jeśli nie wiesz jakich hiperparametrów użyc w klasyfikatorze, możeszPokaż całość

@Kura_Wasylisa: fit_transform i transform zwracają nowe dane!

Wrzucam kod tutaj, zapomniałem, że na wykopie nie kolorują składni ;d

@pepepanpatryk: Scikit-Learn charakteryzuje się jednolitością, fit trenuje model, dajesz mu dane uczące i pokazujesz z czym będzie miał do czynienia, predict przyjmuje dane testowe i stara się przewidzieć, natomiast fit predict to wywołanie wpierw metody fit a potem predict(tylko działasz na danych uczących), podobnie jak fit transform, wpierw fit a potem transform.

fazie predict używane są już wcześniej wyliczone centroidy

W żadnym wypadku, predict jako argument przyjmuje tylko dane X, gdzie następnie zwraca przewidzianePokaż całość

@pepepanpatryk: Clustering to uczenie nienadzorowane, czyli nie ma tam wartości oczekującej, jak w uczeniu nadzorowanym, gdzie dane uczące zawierają dołączone rozwiązania problemu, w KMeans, system próbuję uczyć się bez "nauczyciela", samemu podzielić dane i jakoś je dobrać w grupy. Taka analiza jest używana m.in w wyszukiwaniu anomali, czy badaniu cech wspólnych, KMeans nie brał bym jako klasyfikatora.

Jeśli chcesz coś klasyfikatować, możesz zerknąć jakie klasyfikatory masz dostępne w sklearn. JeśliPokaż całość

@pepepanpatryk: Chwila, już wiem!

Odnośnie fit i predict to w dokumentacji piszą tak, czyli jakbyś wywoływał fit a potem predict.

Convenience method; equivalent to calling fit(X) followed by

Pokaż całość

@przepyszna_frytka:

- Becoming a Better Programmer (Pete Goodliffe)
- Getting Things Programmed (Michał Bartyzel)
- Clean Architecture (Robert C. Martin)

@konik_polanowy: Zastanawia mnie ile linijek musiał wyprodukować Geohot https://www.youtube.com/watch?v=aqdYbwY9vPU, co prawda on pisze w Pythonie...

@szuu: Złoto!

Ovh po pierwszym roku nie zrobi się z tego hosting z 5zl na 500zl

@Blooser: ja mam hekko i jestem zadowolony

@Dorrek: Najbardziej techniczna książka IT

@kefaise: Wyszukałem a tam RuntimeError: maximum recursion depth exceeded

@Szrapnel: Czy pod każdym postem Arduino musi znaleźć się ten obrazek?

kredytu jeszcze jakieś 3-4k

@GlGACHAD: Nie kupuj za to krzesła, tylko wydaj to na kolejnego bootcampa.

tylko technikum informatyczne

@komornik345: Jeśli zamierzasz iść w kierunku programowania, to zdecydowanie bierz liceum, będziesz miał więcej czasu na samodzielną naukę w domu, a to Cię nauczy najwięcej.

wydac to na Win i macOS

@Melcma: W takim razie Qt, jest wieloplatformowy oraz mozesz go uzyc tez w innych wspieranych jezykach, np PyQt5, czy nawet pod Haskella.