AB
Джеймс Джойс Вас не поймет 😉
сорри за оффтоп
сорри за оффтоп
😀
Size: a a a
2020 July 28
ИЕ
@Lazycat_su Да, Джойс не для того разрабатывал поток сознания, чтобы потом умельцы при помощи Python пунктуацию проставляли. Смысл техники потока сознания - приблизиться к передачи реальности до такой степени, которая не может быть достигнута из-за ограничений пунктуации. Сорри за офтоп
ГД
может там свои наработки...
Интересно попробовать просто нграммами и линейной регрессией или xgboost... Оценивать вероятность, что между парой слов есть запятая. Мне кажется, не самая плохая точность будет, так как в русском довольно строгие правила по запятым
AB
Интересно попробовать просто нграммами и линейной регрессией или xgboost... Оценивать вероятность, что между парой слов есть запятая. Мне кажется, не самая плохая точность будет, так как в русском довольно строгие правила по запятым
надо в любом случае предобученные эмбеддинги брать. тут важны не упрощенные словоформы, типа причастных оборотов
AB
и это сведется к использованию предобученного БЕРТа, скорее всего, с нашлепкой в виде какой-то классификационной модели
ГД
надо в любом случае предобученные эмбеддинги брать. тут важны не упрощенные словоформы, типа причастных оборотов
Интересно, а может у вас есть на примете подходящий корпус текста в свободном доступе?
AB
Интересно, а может у вас есть на примете подходящий корпус текста в свободном доступе?
Я вряд ли буду этой задачей заниматься, если честно. А корпус можно любой русский, но есть еще тонкость в том, что в эмбеддингах, вроде бы, удаляются зн.препинания. В общем, жизнь меня к этому не готовила....
E
Уже спрашивала про отбор переменных для линейной регрессии и мне подсказали Boruta. Например, в данной статье речь также идет о Random Forest Method, Relative Importance и других методах http://r-statistics.co/Variable-Selection-and-Importance-With-R.html
Скажите, пожалуйста, чем они отличаются и что лучше использовать?
Скажите, пожалуйста, чем они отличаются и что лучше использовать?
AS
Борута поверх random forest и строится.
AS
Я потерял к ней интерес, когда выяснилось, что для неё надо пропуски в данных заполнять.
ЕТ
Я потерял к ней интерес, когда выяснилось, что для неё надо пропуски в данных заполнять.
А уже научились создавать модели без коррекции пропусков в данных?
AS
Xgboost же, catboost и т.д.
АК
Я потерял к ней интерес, когда выяснилось, что для неё надо пропуски в данных заполнять.
Это точно? Что-то не припомню такого.
AS
Ну она, вроде, вызывала RF из ranger и тот ругался на пропуски. Давно это было, года 4 назад.
AS
Мы долго на неё засматривались, но что-то не пошло.
AS
А сейчас в том же Вконташе SHAPley используют.
М
Всем привет, нужна подсказка.
есть датафрейм
задача - заменить в переменной V2 NA на значение из соседней строки, если сосед снизу и сверху совпадает.
Желаемый результат:
Можно ли обойтись без цикла, с помощью векторизованных вычислений?
есть датафрейм
df <- data_frame(V1 = c(1:8), V2 = c('A', NA, 'B', NA, 'B', 'A', NA, 'A'))задача - заменить в переменной V2 NA на значение из соседней строки, если сосед снизу и сверху совпадает.
Желаемый результат:
V1 V2
<int> <chr>
1 1 A
2 2 NA
3 3 B
4 4 B
5 5 B
6 6 A
7 7 A
8 8 A
Можно ли обойтись без цикла, с помощью векторизованных вычислений?
YS
А
Всем привет, нужна подсказка.
есть датафрейм
задача - заменить в переменной V2 NA на значение из соседней строки, если сосед снизу и сверху совпадает.
Желаемый результат:
Можно ли обойтись без цикла, с помощью векторизованных вычислений?
есть датафрейм
df <- data_frame(V1 = c(1:8), V2 = c('A', NA, 'B', NA, 'B', 'A', NA, 'A'))задача - заменить в переменной V2 NA на значение из соседней строки, если сосед снизу и сверху совпадает.
Желаемый результат:
V1 V2
<int> <chr>
1 1 A
2 2 NA
3 3 B
4 4 B
5 5 B
6 6 A
7 7 A
8 8 A
Можно ли обойтись без цикла, с помощью векторизованных вычислений?
используй shift