Спиннерами или криптовалютами?

Спиннерами или криптовалютами?

Крышками от нюка-колы.

Не главный, но я из этой компании

Из какой компании?

Реактос кстати уже сейчас поддерживает udf, ext234 и btrfs

А как же zfs? И что там с контейнерами?

А как же zfs? И что там с контейнерами?

поддерживаю

Ребят, привет. Кто-нибудь знает системы, запоминающие лицо человека, и затем распознающие его, если он был в базе?

Findface b2b

Ага, слышал про них. Только не нашел как у них система построена.

А как же zfs? И что там с контейнерами?

При наличии btrfs без него можно обойтись.

При наличии btrfs без него можно обойтись.

это далеко не одно и то же

Я и не говорил, что одно и то же

Чуваки, всем привет. Вопрос такой: сколько примерно стоит собрать небольшой сервер для вычислений на GPU? Облачное не подойдёт. Нужно для работы, а за год платы за сервак можно и рабочую станцию запилить...

Чуваки, всем привет. Вопрос такой: сколько примерно стоит собрать небольшой сервер для вычислений на GPU? Облачное не подойдёт. Нужно для работы, а за год платы за сервак можно и рабочую станцию запилить...

«небольшой сервер» это очень абстрактно

напрямую от gpu цена зависит

Я понимаю, что это довольно абстрактно конечно, но могу уточнить, что приобретать будет компания, поэтому бюджет в принципе может быть приличным

Dgx-1 ваш выбор)))

Dgx-1 ваш выбор)))

Ну, этотне панацея, иногда лучше что-нибудь другое)

я полностью согласен с тобой, но какой вопрос - такой ответ=)

Нужно все ж больше контекста

вот денег бы еще на dgx-1

домой поставить

там еще tower вроде обещают версию

есть еще devbox, кстати, побюджетней

Ребят, посоветуйте, какими способами можно сделать Feature Rank при простом алгоритме линейной регрессии и чтобы это не была простая корреляция.

Я просто создала новые параметры параметры в датасете и они коррелируют с целевой переменной

Но как отобрать самые оптимальные

Потому что, опираясь на простую корреляцию - все как-то очень плохо

https://www.kaggle.com/arthurtok/feature-ranking-w-randomforest-rfe-linear-models

и что конкретно плохо?

????

https://www.kaggle.com/arthurtok/feature-ranking-w-randomforest-rfe-linear-models

Ребята, есть задачка. Много параметров по точке, есть расход и доход по точке. Надо используя датасет с параметрами спрогнозировать доход и расход точки. Какую модель посоветуете. Может есть пример у кого?

прогнозы это в регрессию

прогнозы это в регрессию

а если неизвестны параметры на прогнозную дату?

monte-carlo? смотрите все возможные исходы событий

Значит можно предсказывать интервал и какое-то среднее. А еще для такой задачи точное значение не имеет смысла так что можно побить на корзины

Значит можно предсказывать интервал и какое-то среднее. А еще для такой задачи точное значение не имеет смысла так что можно побить на корзины

т.е. предсказывать параметры и по ним применять модель регрессии, построенную на обучающей выборке? Или забить на фичи и предсказывать по расходу\доходу по предсказывающим моделям типа sarima?

Да вариантов много. Вообще для бизнеса странно что расходы и доходы не имеют какой-то зависимости. Я бы подумал в эту стороны и свел бы задачу к предсказанию только одной величины. После этого это становится ближе к регрессии.

ну я и планировал использовать один из показателей для построения модели регрессии для поиска другого и наоборот. Спасибо

Вилку

Вилку

бот убивает всё, где есть хх.ру ?

тут это, послезавтра мы с топовым мэйнтейнером Gensim устраиваем в Москве спринт на тему "что такое gensim, почему он крут и как решать на нем задачи NLP"

https://www.meetup.com/Gensim-sprint/

присоединяйтесь

хмм

а что-то полезное для тех кто имеет опыт в nlp /дистрибутивной семантике будет ?

а что-то полезное для тех кто имеет опыт в nlp /дистрибутивной семантике будет ?

ну, как минимум можно будет позадавать вопросы глубокие и поругать, если что-то не нравится

ну, как минимум можно будет позадавать вопросы глубокие и поругать, если что-то не нравится

заманчиво, однако.

заманчиво, однако.

го на канал https://opendatascience.slack.com/messages/C6BSU1BTN/

кстати, насчет nlp - у кого нибудь есть опыт реального использования вот этой библиотеки?

https://spacy.io/

у меня она не встала с пипа, но я прочитал уже половину документации

ERROR: S client not available

я пока ее мало поковырял, но она привлекла меня ( судя по описанию) тем, что при токенизации текста она может в один токен запихнуть устойчивое выражение ( то есть если вместе два слова означают одно, а по отдельности совсем другое) - пока до этого не дошел, вот хотел узнать, реально это работает или нет

я пока ее мало поковырял, но она привлекла меня ( судя по описанию) тем, что при токенизации текста она может в один токен запихнуть устойчивое выражение ( то есть если вместе два слова означают одно, а по отдельности совсем другое) - пока до этого не дошел, вот хотел узнать, реально это работает или нет

поддержу русского надо проверить, но судя по докам ее нет.

http://rusvectores.org/ru/

Народ, ещё вопрос. У меня в датасете очень много фич, я посмотрел корреляцию и оставил те фичи, и обучил по ним пару моделей регрессии. Ошибки по кфолд в среднем около 22%. Попробовал не убирать лишние фичи - ошибки около 16%. Скажите, мне убирать фичи или со всеми модель делать? Не получилось ли, что я переучил модель?

Народ, ещё вопрос. У меня в датасете очень много фич, я посмотрел корреляцию и оставил те фичи, и обучил по ним пару моделей регрессии. Ошибки по кфолд в среднем около 22%. Попробовал не убирать лишние фичи - ошибки около 16%. Скажите, мне убирать фичи или со всеми модель делать? Не получилось ли, что я переучил модель?

Много это сколько? Что за фичи? Какая регрессия? Что с регуляризаций? сколько фолдов? Какого размера датасет? Как границу по корреляции выбирали? ну нельзя такие вопросы задавать. информации для ответа - 0

Много это сколько? Что за фичи? Какая регрессия? Что с регуляризаций? сколько фолдов? Какого размера датасет? Как границу по корреляции выбирали? ну нельзя такие вопросы задавать. информации для ответа - 0

Я ж нуб. 40 фич, после корреляции оставил около 12. Регрессии: линейная, xgboost, catboost. Фолдов 10, записей 550. Границу 0.4 выбрал от балды. Пробовал нормплизовывать, погрешность сильно не менялась.

о, как catboost ?

о, как catboost ?

Заметно быстрее xgboost, но погрешность стабильно больше на пару процентов. Но это с настройками по дефолту.

Ещё не разбирался с аттрибутами

Я ж нуб. 40 фич, после корреляции оставил около 12. Регрессии: линейная, xgboost, catboost. Фолдов 10, записей 550. Границу 0.4 выбрал от балды. Пробовал нормплизовывать, погрешность сильно не менялась.

Границу чего?

Границу чего?

По корреляции

Свыше 0.4 убирал

Надо брать 0.9, 0.95 или даже 0.99

зависимость между features имеется в виду

Ну и 40 - это мало фич, а не много

Если данных хотя бы пара тысяч наблюдений

Надо брать 0.9, 0.95 или даже 0.99

Оу, ну тогда ясно. Таких фич всего пару штук было.

Спасибо

гоняете шум

нарушение правила 20 EPV

Лагов добавить?

Проще PCA применить и взять 20-30 главных компонент

Оу, ну тогда ясно. Таких фич всего пару штук было.

не нужно так делать, между фичами корреляции быть не должно, вас не правильно поняли

не нужно так делать, между фичами корреляции быть не должно, вас не правильно поняли

А какой уровень корреляции приемлем?