Да, спасибо огромное! Я как-то абсолютно пропустила этот момент.

Я делал так: сначала нашёл нормализованные разности мат ожиданий по классам для числовых признаков(делил разности на соответствующие средние значения признака вообще). Затем отсортировал и построил barplot.  Это было не сложно, но вот потом, уже категориальные признаки взорвали мозг, поскольку хи квадрат в основном там не применим, при этом, когда применим, корреляции была очень слабая. Поэтому основные выводы по значимости на этой неделе я делал по различия в гистограммам по классам.

Привет!
У меня есть размеченный датасет мероприятий, но он multi-labeled, т.е. для каждого объекта у меня есть несколько лейблов (2.5 в среднем), описывающих тематику мероприятия. Некоторые из этих тематик очень сильно пересекаются (например, IT и ML), а некоторые являются подмножеством других (например, Образование и Дошкольное образование). Посоветуйте, пожалуйста, как можно свести кол-во тематик для каждого мероприятия к 1?

Не пробовали по каждому объекту найти тему как сумму  тем с использованием какого-нибудь wordtovec, либо кластеризацию провести(сначала словарь, затем bow, затем какой-нибудь kmeans, предварительно по силуэту или по правилу локтя число кластеров подобрать) и уже кластеры обозвать, а названием кластера уже сам объект.. Можно попробовать bigartm,если рассматривать лейблы вместе для каждого объекта, как маленький текст...

Только Word to vec предобученный должен быть на большой выборке, где-то в курсе ods ссылка была

Коллеги, добрый вечер.  Вопрос: Где можно применить  машинное обучение в производственной среде? Может быть есть кейсы или ссылки на статьи, которыми вы бы могли поделится?
Хочу понять, где в перспективе могу принести added value в своей компании.

О себе: 28 лет, проживаю в Бельгии(есть кто из Бельгии/Нидерландов? 😉) , MSc economics, BA Business Administration. Работаю в Fmcg компании. Почти 5 лет опыта работы в стратегических закупках. только начал курс машинного обучения. Заряжен на полную, космическое чувство погрузиться сново в Learning environment.
Рад знакомству :)

годно, спасибо

Ща бы по фихтенгольцу в 2к20 матан учить

Знаем, проходили

Матан весь придумали в каком веке?

Но увольте, оно нечитабельно

Не согласен, есть и другие варианты, зависит от ваших знаний конечно

Думаю, что тут кому как, на вкус, так сказать. Мне его книжки показались очень полезными и вообще в принципе лично для себя много чего там подчерпнула

Так что тут уже надо смотреть каждому

Эхх щас бы не сразу анализ на многообразиях читать

Ну тут да. Но в большинстве случаев чтение Фихтенгольца ничего кроме боли и страданий не принесёт

Хз, я по нему проходил матан. Хотя матан запомнил, скорее, из-за классического препода по матанализу, который валил всех на экзаменах, поэтому реально приходилось учить перед экзаменом лекции. Учебник не помню совсем (но это могут быть последствия психологической травмы)))

Вообще, есть Берман как задачник, он довольно такой, средний, есть и посложнее задачи, но в основном достаточно базовые. На них хорошо можно руку набить

И матана на уровне середины 19 века

C2W2 Немного отстал от поезда, у кого есть возможность, проверьте, пожалуйста, работу https://www.coursera.org/learn/supervised-learning/peer/kfDUX/linieinaia-rieghriessiia-pierieobuchieniie-i-rieghuliarizatsiia/review/IWYcV688EeqIPgqGqoja_Q