Просто у_train и y_test разной размерности и y_test делаю просто пустой таблицей размерности x_test

че та я не понимаю: x_test вам нужен для получения предсказаний, назовем их yhat , и сравнения этих предсказаний с y_test.  Как можно сделать y_test если он уже задан?

а то есть это yhat и есть. Ну значит обратно его инвертировать и нужно inverse_transform, ибо он обучен на всех значениях у, yhat не может ничего предсказать кроме как то что задано было при энкодировании изначальном при классификации

по сути - энкодирование это словарь где каждому слову сопоставляется какое то значение в вашем случае

Да, я с вами полностью согласен, попробую поиграться с inverse_transform
Спасибо за помощь!

а вообще по мне так больше целевые категориальные переменные как Onehot энкодить если у вас там сеть

Доброго дня!
А не подскажете, как правильно применить OneHotEncoder в том случае, если в одной ячейке может быть записано несколько классов через "/"?
То есть, в одной строке записано класс1/класс2, а в следующей класс2/класс3, например. И мне, по идее, нужно закодировать первую строку как (1,1,0), а вторую (0,1,1), а не создавать для каждого случая отдельный столбец. (изъясняюсь криво, но надеюсь, что идея понятна)

Есть ли похожий методы как drop duplicates только для колонок

параметр subset в drop_duplicates, чтобы удалять записи по колонке

спасибо

мне кажется это у вас задача Multi-Label Classification, признаки можно записать в виде векторов [1,1,0] с помощью словаря, написав его в ручную

в смысле не признаки а таргеты

Всем привет)
Я сейчас  прохожу один курс по computer vision и в конце курса надо сделать проект, может у кого-то есть идеи, которыми можете поделиться, что вообще можно придумать?

распознавание дорожных знаков

эмоций

телеграм бота

который че-нить там делает с фотками ему отправленными

Распознавать породы котиков по фото.

Ребят , подскажите в чём проблема

Train Epoch: 0 [0/22500 (0%)]  Loss: 0.690619
Train Epoch: 0 [6400/22500 (28%)]  Loss: 0.665732
Train Epoch: 0 [12800/22500 (57%)]  Loss: 0.708257
Train Epoch: 0 [19200/22500 (85%)]  Loss: 0.710413
Traceback (most recent call last):
 File "/root/test/main.py", line 118, in <module>
   trainer.test()
 File "/root/test/main.py", line 81, in test
   output = self.net(data)
 File "/usr/local/lib/python3.8/dist-packages/torch/nn/modules/module.py", line 532, in call
   result = self.forward(*input, **kwargs)
 File "/root/test/model.py", line 43, in forward
   x = F.relu(self.conv1(x))
 File "/usr/local/lib/python3.8/dist-packages/torch/nn/modules/module.py", line 532, in call
   result = self.forward(*input, **kwargs)
 File "/usr/local/lib/python3.8/dist-packages/torch/nn/modules/conv.py", line 345, in forward
   return self.conv2d_forward(input, self.weight)
 File "/usr/local/lib/python3.8/dist-packages/torch/nn/modules/conv.py", line 341, in conv2d_forward
   return F.conv2d(input, weight, self.bias, self.stride,
RuntimeError: Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor) should be the same
root@39950:~/Cats-and-Dogs-classification/data# pip install torch.FloatTensor
Collecting torch.FloatTensor

спасибо)