D🐈
Size: a a a
2020 January 16
n
Думаю проблема не оргов или мероприятия, а скорее ошибки в промоутинге
Если вам интересны мои рассуждения, могу запостить. Я только вхожу в эту область, многие моменты для меня неочевидны, сразу скажу я НЕ специалист, но все же...
V
Any good course online on big data in aws
V
Udemy or anything
y
Думаю проблема не оргов или мероприятия, а скорее ошибки в промоутинге
±1, пытался найти программу по выступлениям, но в итоге узнал только на самом митапе
2020 January 17
MK
Добрый вечер, коллеги. Есть набор данных, состоящий из массива, элементы которого описывают точки на плоскости. Количество элементов не более 50. Каждый набор описывает s-образную кривую форму которой надо классифицировать. Данные размечены. Собственно вопрос: стоит ли проводить аппроксимацию или набор можно запихнуть в функцию классификации без дополнительной обработки? Заранее благодарен.
MK
P.S. кривая может попасть в одну из 4-х групп. Положительная, сомнительно-положительная, сомнительно-отрицательна, отрицательная.
R
Классификатор обычно имеет predict_proba так что сделай 2 класса, результат выдаст вероятность, а сомнительность потом по threshold выберешь
R
Добрый вечер, коллеги. Есть набор данных, состоящий из массива, элементы которого описывают точки на плоскости. Количество элементов не более 50. Каждый набор описывает s-образную кривую форму которой надо классифицировать. Данные размечены. Собственно вопрос: стоит ли проводить аппроксимацию или набор можно запихнуть в функцию классификации без дополнительной обработки? Заранее благодарен.
Если у тебя таких наборов много попробуй все точки как признаки и отправь на обычную логреггресссию. Либо можешь использовать методы снижения размерности.
A
Если у тебя таких наборов много попробуй все точки как признаки и отправь на обычную логреггресссию. Либо можешь использовать методы снижения размерности.
Плюсую. Нужно попробовать manifold learning
MK
Спасибо. Буду делать
DР
Добрый вечер, коллеги. Есть набор данных, состоящий из массива, элементы которого описывают точки на плоскости. Количество элементов не более 50. Каждый набор описывает s-образную кривую форму которой надо классифицировать. Данные размечены. Собственно вопрос: стоит ли проводить аппроксимацию или набор можно запихнуть в функцию классификации без дополнительной обработки? Заранее благодарен.
не понятен вопрос про аппроксимацию. Но судя по задаче никаких доп. действий, кроме стандартного пайплайна не требуется. + PCA и далее в логрегрессию
D
Message from Reine 😜🔗(Ý)$!@m Fìķŕ deleted. Reason: new user and external link (?)
MK
не понятен вопрос про аппроксимацию. Но судя по задаче никаких доп. действий, кроме стандартного пайплайна не требуется. + PCA и далее в логрегрессию
Я думал можно найти уравнение функции, которая описывает кривую, и дальше передавать коэффициенты функции вместо точек
MK
По идее коэффициентов должно быть меньше, т.о. получится снижение размерности.
DР
Я думал можно найти уравнение функции, которая описывает кривую, и дальше передавать коэффициенты функции вместо точек
если у вас уже будет функция зачем вам МЛ тогда. Если например у вас задача такая что надо классифицировать S кривые и все остальные, причем среди S кривых есть гладкие S и не гладкие например ввиде молнии, тогда я бы сделал предобработку сглаживанием на всех данных.
MK
Спасибо за ответ. В наборе все элементы описывют S кривые, причем они являются гладкими. Разница в точке начала роста кривой (2-й производной) и характерах площадок.
DР
Спасибо за ответ. В наборе все элементы описывют S кривые, причем они являются гладкими. Разница в точке начала роста кривой (2-й производной) и характерах площадок.
если метка класса определяется 2 производной то теоретически классификация аппроксимирующих функций==классификации наборов точек (можно попробовать прикрутить преобразование Вейрштрасса). и уже вот это подать на вход классификатору
MK
если метка класса определяется 2 производной то теоретически классификация аппроксимирующих функций==классификации наборов точек (можно попробовать прикрутить преобразование Вейрштрасса). и уже вот это подать на вход классификатору
Спасибо.
MK
Правда я думал в сторону S-преобразования, т.к. у меня фактически данные с канала флуоресценции в зависимости от времени.