Привет, сейчас решаю задачу Лин регрессии, немного забыл решение. В общем, я нашел коэффициент по обычной формуле (x.T*x) от этого обратную матрицу * x.T * y и сейчас хочу найти коэф w0, мне остаётся только передвигать прямую и смотреть на mse или есть какой то получше способ?
Привет, сейчас решаю задачу Лин регрессии, немного забыл решение. В общем, я нашел коэффициент по обычной формуле (x.T*x) от этого обратную матрицу * x.T * y и сейчас хочу найти коэф w0, мне остаётся только передвигать прямую и смотреть на mse или есть какой то получше способ?
Так через описанное аналитическое решение находятся все коэффициенты модели, включая свободный коэффициент. В матрицу X просто добавляется константный «единичный» признак
Добрый день! Возникли проблемы с 3-ей задачей C6W2 в ветке "Анализ тональности отзывов". У меня получается качество на SGDClassifier хуже, но ответ не проходит, на форуме это вопрос не решен. С какими параметрами нужно задавать классификаторы, чтобы получить верный ответ?
Добрый день! Возникли проблемы с 3-ей задачей C6W2 в ветке "Анализ тональности отзывов". У меня получается качество на SGDClassifier хуже, но ответ не проходит, на форуме это вопрос не решен. С какими параметрами нужно задавать классификаторы, чтобы получить верный ответ?
У меня получился вот такой список: [0.841, 0.8325000000000001, 0.8225]. Но его минимум все равно не проходит.
А, вон оно что. В первом задании указано использовать пайплайн из двух шагов: векторизатор и классификатор. Такую же штуку надо проделать и для третьего задания: на каждом фолде прогнать такой пайплайн. То есть векторизатор будет получаться не на всех данных, а на данных конкретного фолда. У вас же сейчас векторизатор получается на всех данных отдельно от cross_val_score
А, вон оно что. В первом задании указано использовать пайплайн из двух шагов: векторизатор и классификатор. Такую же штуку надо проделать и для третьего задания: на каждом фолде прогнать такой пайплайн. То есть векторизатор будет получаться не на всех данных, а на данных конкретного фолда. У вас же сейчас векторизатор получается на всех данных отдельно от cross_val_score