Size: a a a

Python для анализа данных

2021 February 26

SS

Sergey Svetlov in Python для анализа данных
Помогите с визуализацией, подайте идею или скиньте статью. Например, есть описание футбольных команд, есть числовые признаки и порядковые и категориальные. Допустим я  решаю задачу регрессии: предсказываю сколько команда забьёт голов за сезон. Пусть для одной команды предсказание получилось 100, для второй 200. Как грамотно визуализировать разницу команд по фичам? Для числовых признаков понятно -диаграмма со столбиками разной высоты. А как быть с категориальных и фичами?
источник

VO

Valentin Osadchii in Python для анализа данных
Sergey Svetlov
Помогите с визуализацией, подайте идею или скиньте статью. Например, есть описание футбольных команд, есть числовые признаки и порядковые и категориальные. Допустим я  решаю задачу регрессии: предсказываю сколько команда забьёт голов за сезон. Пусть для одной команды предсказание получилось 100, для второй 200. Как грамотно визуализировать разницу команд по фичам? Для числовых признаков понятно -диаграмма со столбиками разной высоты. А как быть с категориальных и фичами?
Пример фичи приведите
источник

SS

Sergey Svetlov in Python для анализа данных
Valentin Osadchii
Пример фичи приведите
Например: завтрак перед игрой: мясо, рыба, шоколад, пицца.
источник

SS

Sergey Svetlov in Python для анализа данных
Valentin Osadchii
Пример фичи приведите
Производитель бутс нападающего: Адидас, Найк, Рибок, пума.
источник

PZ

Pavel Zheltouhov in Python для анализа данных
Sergey Svetlov
Помогите с визуализацией, подайте идею или скиньте статью. Например, есть описание футбольных команд, есть числовые признаки и порядковые и категориальные. Допустим я  решаю задачу регрессии: предсказываю сколько команда забьёт голов за сезон. Пусть для одной команды предсказание получилось 100, для второй 200. Как грамотно визуализировать разницу команд по фичам? Для числовых признаков понятно -диаграмма со столбиками разной высоты. А как быть с категориальных и фичами?
в мануале sns.catplot кучка примеров.

да нечего особо волшебного придумать тут. все те же разнообразные распределения с разбивкой на отдельные графики.

или прям есть?
источник

PZ

Pavel Zheltouhov in Python для анализа данных
Sergey Svetlov
Помогите с визуализацией, подайте идею или скиньте статью. Например, есть описание футбольных команд, есть числовые признаки и порядковые и категориальные. Допустим я  решаю задачу регрессии: предсказываю сколько команда забьёт голов за сезон. Пусть для одной команды предсказание получилось 100, для второй 200. Как грамотно визуализировать разницу команд по фичам? Для числовых признаков понятно -диаграмма со столбиками разной высоты. А как быть с категориальных и фичами?
и сколько же команды забивают за сезон?) откуда вообще такие задачи берутся?
бейсбол - максимально датифицированная игра. Причем, она Player vs Enviroment, несмотря на то, что формально командная.
но футбол? на что надежда?
источник

SS

Sergey Svetlov in Python для анализа данных
Pavel Zheltouhov
и сколько же команды забивают за сезон?) откуда вообще такие задачи берутся?
бейсбол - максимально датифицированная игра. Причем, она Player vs Enviroment, несмотря на то, что формально командная.
но футбол? на что надежда?
Я на шару придумал пример. Вопрос: как после предсказания визуализировать разницу нескольких объектов по фичам? Типа попытаться наглядно объяснить почему одна команда забила 100, а другая 200.
источник

PZ

Pavel Zheltouhov in Python для анализа данных
на самом деле я бы с интересом посмотрел бы на нейросеть предсказывающую хоть что-нибудь в спортивных играх кроме бейсбола
источник

VO

Valentin Osadchii in Python для анализа данных
Sergey Svetlov
Я на шару придумал пример. Вопрос: как после предсказания визуализировать разницу нескольких объектов по фичам? Типа попытаться наглядно объяснить почему одна команда забила 100, а другая 200.
Можно как характеристики игроков в pro evolution soccer)
источник

SS

Sergey Svetlov in Python для анализа данных
Valentin Osadchii
Можно как характеристики игроков в pro evolution soccer)
ну там вроде как все в числах выражено
источник

SS

Sergey Svetlov in Python для анализа данных
увидел что-то такое
источник

SS

Sergey Svetlov in Python для анализа данных
источник

PZ

Pavel Zheltouhov in Python для анализа данных
Sergey Svetlov
Я на шару придумал пример. Вопрос: как после предсказания визуализировать разницу нескольких объектов по фичам? Типа попытаться наглядно объяснить почему одна команда забила 100, а другая 200.
Так вопрос в том чтобы нарисовать или  важнее объяснить модель? Если гуглить именно способы интерпретации, то другой расклад. Не экзотичный.
Например,shap. Ему все равно что рисовать. Или во многих алгоритмах должны  быть свойства типа feature_importance
источник

SS

Sergey Svetlov in Python для анализа данных
Pavel Zheltouhov
Так вопрос в том чтобы нарисовать или  важнее объяснить модель? Если гуглить именно способы интерпретации, то другой расклад. Не экзотичный.
Например,shap. Ему все равно что рисовать. Или во многих алгоритмах должны  быть свойства типа feature_importance
Возможно и shap поможет. Спасибо. Хочется визуализировать то, чем объекты отличаются, возможно даже изначально не строя никакую модель. Потом да, объяснить результаты предсказаний модели с помощью этой разницы. Скорее всего можно брать топ важных фич и по отличиям в них делать выводы.
источник

ИК

Игорь Кудрешов... in Python для анализа данных
Natalya Davydova
возможна, если видна перспектива развития
Системный аналитик у вас имеется в команде?
источник
2021 February 27

I

Igor in Python для анализа данных
Этот график больше для отображения ассоциации (корреляции) категориальных переменных.
источник

KM

Konstantin Mohov in Python для анализа данных
Здравствуйте, люди добрые....
источник

m

mhoke in Python для анализа данных
print("Wassup guys.")
источник
2021 February 28

MI

Madiar Isabek in Python для анализа данных
Ребят у кого нибудь есть книги по теории вероятностей ?
источник

A

An in Python для анализа данных
GMURMAN
источник