AP
Приветствую!) хочу попросить помощь в понимании PCA. На сколько я пониманию в матричной интерпретации это связано с сингулярным разложением. Т.е. первые n самых больших компонент по модулю?
Size: a a a
2020 April 27
М
Приветствую!) хочу попросить помощь в понимании PCA. На сколько я пониманию в матричной интерпретации это связано с сингулярным разложением. Т.е. первые n самых больших компонент по модулю?
вопрос задайте
AP
мое понимание верное? "Т.е. первые n самых больших компонент по модулю?"
EZ
мое понимание верное? "Т.е. первые n самых больших компонент по модулю?"
"первые n самых больших компонент по модулю" что?
AP
Простите, не указал. Первые n самых больших компонент матрицы с сингулярными числами.
М
Простите, не указал. Первые n самых больших компонент матрицы с сингулярными числами.
"Первые n самых больших компонент матрицы с сингулярными числами." что?
AP
что лол?)
М
вопрос задайте)))
EZ
Простите, не указал. Первые n самых больших компонент матрицы с сингулярными числами.
Вопрос все ещё не вижу
EZ
В предложении нет сказуемого
AP
ладно, понял.. попробую самостоятельно еще углубиться, всем спасибо.
М
обращайся))
א
Всем привет , подскажите , есть соревнование на kaggle, в датасете около 450 feature около 50 из них номинальные, остальные continuous, в датасете очень много пропущенных значений. Всего 10к rows в датасете. Какие советы можете дать по препроцессингу и какие модели использовать?
Я сделал даммис для номинальных фичей , и заменил nan в continuous features на -999
Обучил две модели, random forest и xgboost . Но полученной точности мне недостаточно.
Думаю поделить train на два датасета и реализовать стеккинг
Я сделал даммис для номинальных фичей , и заменил nan в continuous features на -999
Обучил две модели, random forest и xgboost . Но полученной точности мне недостаточно.
Думаю поделить train на два датасета и реализовать стеккинг
א
Решаю задачу классификации)
SI
Всем привет , подскажите , есть соревнование на kaggle, в датасете около 450 feature около 50 из них номинальные, остальные continuous, в датасете очень много пропущенных значений. Всего 10к rows в датасете. Какие советы можете дать по препроцессингу и какие модели использовать?
Я сделал даммис для номинальных фичей , и заменил nan в continuous features на -999
Обучил две модели, random forest и xgboost . Но полученной точности мне недостаточно.
Думаю поделить train на два датасета и реализовать стеккинг
Я сделал даммис для номинальных фичей , и заменил nan в continuous features на -999
Обучил две модели, random forest и xgboost . Но полученной точности мне недостаточно.
Думаю поделить train на два датасета и реализовать стеккинг
Если английский знаешь, глянь от fast.ai урок про рандом форесты
SI
Там как раз Джереми объясняет как датасеты готовить
.
Привет всем, мне нужна помощь в школьном проекте.
.
У меня есть 10тысяч картинок, как мне сделать датасет, который можно будет обучить. Надеюсь, правильно выразился
D•
Бот форварды не очень любит :) от новичков.