В рейтинге участвует:

групп:

каналов:

Виртуальный сервер на SSD - недорого!

Аренда выделенных и виртуальных серверов (VDS/VPS), хостинг, аренда IP-адресов, администрирование, круглосуточная поддержка

qwarta.ru подробнее

Резервное копирование с проверкой на вирусы!!!

Удобный сервис создания резервных копий на любой сервер сети интернет. Отслеживайте изменения, проверяйте на вирусы. Надежно защитите свой бизнес!

go.backupland.com

Выбираете сервер? Любая конфигурация на заказ!

Аренда физических серверов любых конфигураций под любые запросы - 1С бухгалтерия, игровые сервера, нагруженные проекты, интернет-магазины!

qwarta.ru подробнее

Size: a a a

Machine learning

6551 membersпожаловаться на группу
2020 July 04

SV

Sheptun Vol in Machine learning
Егор
Добрый день.
2 курс, 3-я неделя. sklearn.case_part2
На этапе обучения Pipline:
"estimator.fit(train_data, train_labels)"
выдаётся ошибка:
'numpy.ndarray' object has no attribute 'iloc'
Звучит так, что ты обращаешься к numpy вместо dataframe, либо без iloc попробуй, либо сделай его datframe
источник
16:48пожаловаться#1

Х

Хэнк in Machine learning
Егор
Добрый день.
2 курс, 3-я неделя. sklearn.case_part2
На этапе обучения Pipline:
"estimator.fit(train_data, train_labels)"
выдаётся ошибка:
'numpy.ndarray' object has no attribute 'iloc'
Ты обращаешься к numpy с функцией из pandas которого в numpy не имеется, в твоём случае iloc :)
источник
16:49пожаловаться#2

Х

Хэнк in Machine learning
Егор
Добрый день.
2 курс, 3-я неделя. sklearn.case_part2
На этапе обучения Pipline:
"estimator.fit(train_data, train_labels)"
выдаётся ошибка:
'numpy.ndarray' object has no attribute 'iloc'
data.iloc[:5, :4] равно array[:5, :4] то есть просто без iloc
источник
16:52пожаловаться#3

А

Алексей in Machine learning
Привет, подскажите. Используя регрессию Lasso, каким методом находятся веса для коэффициентов? При помощи SGD или умножением на псевдообратную матрицу?
источник
19:56пожаловаться#4

K

K-S in Machine learning
Для лассо аналитического решения не существует. И обычный сгд там не сработает, поскольку функция с модулем. Коэффы проксимальным град спуском находятся
источник
19:58пожаловаться#5

А

Алексей in Machine learning
как я понял аналитическим методом веса никто не ищет на практике, только спуск или вот как в лассо его модификация под негладкую функцию регуляризатора
источник
20:00пожаловаться#6

Н

Никита in Machine learning
Добрый вечер ,кто может пожалуйста объяснить ,в чем разница между dummy encoding и one-hot encoding?
источник
20:01пожаловаться#7

IK

Ivan Krokhalyov in Machine learning
Алексей
как я понял аналитическим методом веса никто не ищет на практике, только спуск или вот как в лассо его модификация под негладкую функцию регуляризатора
+. Проще подходить спуском чем обращать большую матрицу
источник
20:10пожаловаться#8

IK

Ivan Krokhalyov in Machine learning
Никита
Добрый вечер ,кто может пожалуйста объяснить ,в чем разница между dummy encoding и one-hot encoding?
Это вроде два названия одного и того же.
источник
20:13пожаловаться#9

Н

Никита in Machine learning
Ну вот везде по-разному говорят . Где-то ,что это одно и то же ,где-то говорят ,что в dummy кодировании число степеней свободы k-1 ,а в one-hot = k
источник
20:14пожаловаться#10

IK

Ivan Krokhalyov in Machine learning
k-1 - это если последняя категория воспринимается как 0 0 ... 0 во всех остальных
источник
20:16пожаловаться#11

IK

Ivan Krokhalyov in Machine learning
А k - когда под эту категорию ещё есть отдельный столбец
источник
20:16пожаловаться#12

IK

Ivan Krokhalyov in Machine learning
Ivan Krokhalyov
k-1 - это если последняя категория воспринимается как 0 0 ... 0 во всех остальных
Это целесообразно когда вы знаете абсолютно все значения переменной
источник
20:21пожаловаться#13

IK

Ivan Krokhalyov in Machine learning
Ivan Krokhalyov
А k - когда под эту категорию ещё есть отдельный столбец
Это - если в тесте могут быть значения, о которых вы не знаете.
источник
20:22пожаловаться#14

Н

Никита in Machine learning
То есть ,если у нас есть категориальный признак с None значением ,то мы используем one-hot и кодируем все значения,а None значение мы тоже кодируем ?
источник
20:23пожаловаться#15

IK

Ivan Krokhalyov in Machine learning
Ну например в тренировочной выборке есть переменная Страна. США Мексика Япония. Кодировщик создает три переменные. Возникает неизвестное значение Сингапур где то в тесте , тогда ему соответствует значение 0 0 0 этих переменных.
источник
20:26пожаловаться#16

IK

Ivan Krokhalyov in Machine learning
Если такой ситуации точно не возникнет, тогда можно делать k-1 переменную
источник
20:27пожаловаться#17

Н

Никита in Machine learning
Понял,спасибо . А что делать ,если у нас будут пропуски  или None значения ?
источник
20:29пожаловаться#18

IK

Ivan Krokhalyov in Machine learning
Будет бинарная переменная как и для любого другого значения по идее
источник
20:30пожаловаться#19

Н

Никита in Machine learning
спасибо за объяснение )
источник
20:37пожаловаться#20