Hej,

Mam pytania całkowicie początkującego w dziedzinie #machinelearning #sztucznainteligencja #datascience - być może głupie pytania i śmieszne, uczę się sam i ciężko bez oka doświadczonych osób ; >

a) Czy robienie modelu do predykcji to w praktyce może być kilka modeli - a dokładniej tak że wybierany jest na podstawie danych wejściowych odpowiedni model? Tzn. powiedzmy ze mam kategorię "Owoce" i "Warzywa" - mają te same kolumny, ale
  • 6
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

to co opisujesz to się chyba nazywa model ensembling - mi bardziej chodzi o to że na podstawie inputu idzie całkowicie inna scieżka - czyli czytam input, widzę kategorie Owoce i to już idzie swoją owocową scieżką - a warzywa lecą inna scieżką :) - nie chodzi o stackowanie modeli


@PhoenixPneuma: teraz dopiero chyba zrozumiałem o co Ci chodzi, rozpoznajesz N rodzai warzyw i M rodzai owoców.

No to jak
  • Odpowiedz
mam dataset w ktorym jest 6 kategorii - wszystkie to factor(3 levele: positive, negative i average). Probuje zbudowac model predykcyjny przy pomocy regresji logistycznej oraz drzewa decyzyjnego ale wychodzą błędy. Wie ktos czy mozna przy takich danych zbudowac takie modele i umialby dac jakis przyklad kodu?
#jezykr #machinelearning #analizadanych
  • 12
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

@Pyxelr: one hot to możesz przekodować zmienne tekstowe na zera i jedynki w zbiorach wejściowych, ale regresja logistyczna wyliczy ci wartość między dwoma poziomami a nie trzema czy więcej

można użyć sieci neuronowych i funkcji sofrmax na wyjściu , wtedy jednym modelem załatwiamy 3 prawdopodobieństwa
  • Odpowiedz
Wytłumaczy mi ktoś class-weight w scikit-learn, np. w drzewie decyzyjnym? Załóżmy że mam dane uczące z 3 klasami, liczby próbek 100, 10, 10. Jak rozumiem dla drzewa z domyślnymi ustawieniami zostanie wykorzystane wszystkie 120 próbek. A co w przypadku np. class-weight="balanced"? #sklearn #python #datascience #machinelearning
  • 2
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

@psi-nos: class_weight przypisuje wage do tego jak wazna jest klasa do trenowania drzewka, wiec zawsze wszystkie klasy beda wykorzystane.* Jako default jest ze kazda klasa jest rownomiernie wazna z pozostalymi. Balanced daje wage odwrotnie proporcjonalna do czestotliwosci wystepowania klasy.

* chyba ze przypiszesz wage 0, to wtedy klasa bedzie ignorowana
  • Odpowiedz
@n0c0Mpr3h3nD: chodziło mi bardziej szczegółowo. Co to znaczy ważna. Ale już chyba ogarnąłem, że waga jest uwzględniana przy funkcji straty przy tworzeniu węzła drzewa (wyborze najlepszego podziału).
  • Odpowiedz
#anonimowemirkowyznania
Z anonimowych, bo ostatnio usunąłem konto.
Jestem testerem automatyzującym w pythonie, który myślał że testy to dobra droga do wejścia na stanowisko deva. I tak od 4 lat jestem testerem, ostatnio już nietestującym, ale jednak.
No i pomyślałem w końcu spróbować zmienić stanowisko na deva. Tylko nie wiem w co iść: web, mobile, embedded, coś innego? Może machine learning? Albo devops? Chciałbym wszystkiego po trochę przez co nie mogę się skupić
  • 6
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

#anonimowemirkowyznania
Mirki, kończę właśnie doktorat z #machinelearning (podrzędna uczelnia w #uk). Jeśli go obronię (tylko jedna publikacja), to czeka mnie szukanie pracy (w sumie jak nie obronię, to też xd). I tak – gdzie szukać? Tak naprawdę to nie umiem ani programowania, ani machine learningu. Na doktoracie zawsze się robi tylko proof of concept, byleby działało. Ja to robiłem w #python z #
  • 26
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

Jak podejść do problemu wykrywania podobieństw profili osobowych jakiegoś zbioru ludzi.
Załóżmy, że jakaś liczba osób wypełnia ankietę odpowiadając na pytania dotyczące cech charakteru, czy np. preferencji odnośnie spędzania wolnego czasu. Każda z tych odpowiedzi ma jakąś wagę. Jak najoptymalniej dobrać takie osoby w grupę? Czy są do tego jakieś podejścia, algorytmy?

Uprzedzając pytania - pytam z czystej ciekawości gdyż to całkowicie nie moja działka :)

#programowanie #machinelearning
  • 4
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

Dzisiaj dość ciekawy odcinek projektu #deepwykop bo testowałem sztuczne podbicie rozdzielczości filmika docelowego aby algorytm mógł sam rozgarnąć czy wysokiej jakości źródło dostosować do wyższej rozdzielczości czy rozmyć, a może poprawić pikselozę. Poniżej owoc podmianki wysokiej rozdzielczości i jakości twarzy Arnolda Schwarzeneggera na skalowany do 1080p rozpikselowany fragment Bajera z Bel-Air który wygląda w zasadzie jak coś pomiędzy 360p-480p. Naturalnie słynny Carlton Dance. ( ͡° ͜ʖ ͡°
  • 6
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach