Гоп стоп какой-то

Конечно, бывает. Например, если в бинарной классификации на каком-то объекте у тебя предсказанная вероятность правильного класса выросла с 10% до 30%, то лосс cross entropy падает с -log(0.1) до -log(0.3), а точность как была 0, так и осталась.

Может ли кто поделиться опытом формата, когда имеет смысл прекратить тюнить модель, и счесть это за окончательный результат в контексте повышения точности решения задачи.
Например, в ходе тюнинга с разными подходами, вышло 95-99% и насколько разумно бороться дальше, чтоб дойти до 99.99%, если такое возможно? Есть у кого-то Rule of Thumb, когда остановиться?
Исключая метрики: время разработки; бюджет, потраченный на разработку

TF?

если реальная задача то по реальным метрикам: затраты на улучшение вс. профит

если игрушечная/кагловая/научная то когда надоест

спс, за ответ.
В общем, классика

Всем привет!

Я намучался с ворохом jupyter-ноутбуков и обучением джуниор-аналитиков одному и тому же и задумался о создании собственного low-code инструмента.

Кому-нибудь будет интересно пользоваться сервисом, примерно как на макете?

Красиво👍
Это какой то сборщик отчетов?

Спасибо) Идея чуть шире - дать возможность работать с частоиспользуемыми компонентами и блоками кода визуально

Подскажите, а как в спарке через show() увидеть все объекты внутри json массива?

тоесть есть json

{[result{object1}...{objectN}]}

show показывает только одну строку и непонятно какую

Пробовал в option ставить multiline true и не помогло

загуглите функцию explode

в spark-sql

она вам поможет

Может быть полезно для быстрого согласования задания 🤔

Спасибо, сейчас посмотрю

Отчасти напоминает pandas gui

Помогло, спасибо!