그리고 다음과 같이 생각합니다. 귀하의 모든 표준 모델이 작동하지 않는 것은 모델이 표준이어서가 아니라 대상에 대한 대표 샘플을 준비할 수 없기 때문입니다. 대략적으로 말하면 데이터는 도박이며 어떤 기계 학습 방법도 이 도박에 대처할 수 없습니다. 그리고 훈련 샘플이 대표적이라면, 즉 훈련 전에 최대한 많이 준비하면 복잡한 학습 알고리즘 없이 표준 방법이 작동합니다.
처음에는 교활하게 예측 변수 집합을 교활한 방식으로 언로드한 다음 추가 예측 변수를 제거한 다음 범주 수준에서 표본의 대표성을 높여 훈련 품질을 10% 향상시켰습니다. 충분하지 않았다. 모델을 범주별로 훈련하고 실제 데이터를 반영하는 방법을 살펴보았습니다. 실제 값으로 모든 것이 정상이면 그런 모델을 실제 모델에 적용합니다. 예, Mishan이 말합니다. Bart Simson이 슈퍼맨 슈트를 입고 화신. 여기 계신 분들은 이미 저를 잊으셨나 봅니다....
Gramazeka1 : 그리고 다음과 같이 생각합니다. 귀하의 모든 표준 모델이 작동하지 않는 것은 모델이 표준이어서가 아니라 대상에 대한 대표 샘플을 준비할 수 없기 때문입니다. 대략적으로 말하면 데이터는 도박이며 어떤 기계 학습 방법도 이 도박에 대처할 수 없습니다. 그리고 훈련 샘플이 대표적이라면, 즉 훈련 전에 최대한 많이 준비하면 복잡한 학습 알고리즘 없이 표준 방법이 작동합니다.
작동하지 않는다는 것은 무엇을 의미합니까? 올바른 거래의 99%를 가져오지 않습니까? 무직의 기준을 듣고 싶습니다. 목표는 전문화를 통해 결과를 개선하는 것입니다.
그라마제카1 : 처음에는 교활하게 예측 변수 집합을 교활한 방식으로 언로드한 다음 추가 예측 변수를 제거한 다음 범주 수준에서 표본의 대표성을 높여 훈련 품질을 10% 향상시켰습니다. 충분하지 않았다. 모델을 범주별로 훈련하고 실제 데이터를 반영하는 방법을 살펴보았습니다. 실제 값으로 모든 것이 정상이면 그런 모델을 실제 모델에 적용합니다. 예, Mishan이 말합니다. Bart Simson이 슈퍼맨 슈트를 입고 화신. 여기 계신 분들은 이미 저를 잊으셨나 봅니다....
AI 구축에 대한 새로운 교육, 구축 및 접근 방식을 지속적으로 찾고 있다면 교육 데이터가 그다지 좋지 않다고 생각합니다. 훈련을 위한 R 데이터의 전처리 및 강화와 함께 Reshetov 옵티마이저는 단순히 놀라운 일을 합니다. 불행히도 도크의 느릅나무 네트워크는 실패를 보여 Reshetov로 돌아가 교육 전에 데이터 준비 수준을 높였습니다. 전투로 결과를 확인하지만 훈련의 질도 높아졌다. 훈련의 질적 한계 내에서 예제의 수를 늘렸는데... 마찬가지인 것 같지만 아직까지는 패키지에 있는 모든 것을 이해하고 적용하지 못했습니다. 지금까지 두 가지 중요한 포인트가 있습니다. 이는 불필요한 예측 변수를 제거하고 분류를 통해 대표성을 높였습니다. 또한이 패키지에 다른 로션이 무엇인지 볼 수 있습니다. 나는 이것을 어제 생각하고 저녁에 무릎을 꿇고 완성했습니다. 앞으로 어떻게 그리고 어떻게 될지 보자...
Gramazeka1 : AI 구축에 대한 새로운 교육, 구축 및 접근 방식을 지속적으로 찾고 있다면 교육 데이터가 그다지 좋지 않다고 생각합니다. 훈련을 위한 R 데이터의 전처리 및 강화와 함께 Reshetov 옵티마이저는 단순히 놀라운 일을 합니다. 불행히도 도크의 느릅나무 네트워크는 실패를 보여 Reshetov로 돌아가 교육 전에 데이터 준비 수준을 높였습니다. 전투로 결과를 확인하지만 훈련의 질도 높아졌다. 훈련의 질적 한계 내에서 예제의 수를 늘렸는데... 마찬가지인 것 같지만 아직까지는 패키지에 있는 모든 것을 이해하고 적용하지 못했습니다. 지금까지 두 가지 중요한 포인트가 있습니다. 이는 불필요한 예측 변수를 제거하고 분류를 통해 대표성을 높였습니다. 또한이 패키지에 다른 로션이 무엇인지 볼 수 있습니다. 나는 이것을 어제 생각하고 저녁에 무릎을 꿇고 완성했습니다. 앞으로 어떻게 그리고 어떻게 될지 보자...
물론 표본이 커야 하고, 표본의 수를 늘림으로써 옳은 일을 했다. 어떤 원칙에 따라 "불필요한" 예측 변수를 걸러냈습니까? 카테고리에 대해 알려주십시오. 이것이 무엇을 의미합니까?
그라마제카1 : 비밀번호가 기억나지 않고 메일이 컴퓨터에서 인증되기 때문입니다. 사실 요점이 아니라...
글쎄, 당신은 누가 누군지 결코 알 수 없습니다. 많은 사람들이 걸어 다니고 있습니다 ... 그래서 xy에서 xy를 이해하는 것이 중요합니다.
그리고 다음과 같이 생각합니다. 귀하의 모든 표준 모델이 작동하지 않는 것은 모델이 표준이어서가 아니라 대상에 대한 대표 샘플을 준비할 수 없기 때문입니다. 대략적으로 말하면 데이터는 도박이며 어떤 기계 학습 방법도 이 도박에 대처할 수 없습니다. 그리고 훈련 샘플이 대표적이라면, 즉 훈련 전에 최대한 많이 준비하면 복잡한 학습 알고리즘 없이 표준 방법이 작동합니다.
작동하지 않는다는 것은 무엇을 의미합니까? 올바른 거래의 99%를 가져오지 않습니까? 무직의 기준을 듣고 싶습니다. 목표는 전문화를 통해 결과를 개선하는 것입니다.
처음에는 교활하게 예측 변수 집합을 교활한 방식으로 언로드한 다음 추가 예측 변수를 제거한 다음 범주 수준에서 표본의 대표성을 높여 훈련 품질을 10% 향상시켰습니다. 충분하지 않았다. 모델을 범주별로 훈련하고 실제 데이터를 반영하는 방법을 살펴보았습니다. 실제 값으로 모든 것이 정상이면 그런 모델을 실제 모델에 적용합니다. 예, Mishan이 말합니다. Bart Simson이 슈퍼맨 슈트를 입고 화신. 여기 계신 분들은 이미 저를 잊으셨나 봅니다....
계정에 액세스할 수 없습니까?
작동하지 않는다는 것은 무엇을 의미합니까? 올바른 거래의 99%를 가져오지 않습니까? 무직의 기준을 듣고 싶습니다. 목표는 전문화를 통해 결과를 개선하는 것입니다.
계정에 액세스할 수 없습니까?
아니요, 지금 전화를 받고 있습니다.
휴대폰에서 계정에 로그인할 수 없는 이유는 무엇입니까?
휴대폰에서 계정에 로그인할 수 없는 이유는 무엇입니까?
AI 구축에 대한 새로운 교육, 구축 및 접근 방식을 지속적으로 찾고 있다면 교육 데이터가 그다지 좋지 않다고 생각합니다. 훈련을 위한 R 데이터의 전처리 및 강화와 함께 Reshetov 옵티마이저는 단순히 놀라운 일을 합니다. 불행히도 도크의 느릅나무 네트워크는 실패를 보여 Reshetov로 돌아가 교육 전에 데이터 준비 수준을 높였습니다. 전투로 결과를 확인하지만 훈련의 질도 높아졌다. 훈련의 질적 한계 내에서 예제의 수를 늘렸는데... 마찬가지인 것 같지만 아직까지는 패키지에 있는 모든 것을 이해하고 적용하지 못했습니다. 지금까지 두 가지 중요한 포인트가 있습니다. 이는 불필요한 예측 변수를 제거하고 분류를 통해 대표성을 높였습니다. 또한이 패키지에 다른 로션이 무엇인지 볼 수 있습니다. 나는 이것을 어제 생각하고 저녁에 무릎을 꿇고 완성했습니다. 앞으로 어떻게 그리고 어떻게 될지 보자...
물론 표본이 커야 하고, 표본의 수를 늘림으로써 옳은 일을 했다. 어떤 원칙에 따라 "불필요한" 예측 변수를 걸러냈습니까? 카테고리에 대해 알려주십시오. 이것이 무엇을 의미합니까?
비밀번호가 기억나지 않고 메일이 컴퓨터에서 인증되기 때문입니다. 사실 요점이 아니라...
글쎄, 당신은 누가 누군지 결코 알 수 없습니다. 많은 사람들이 걸어 다니고 있습니다 ... 그래서 xy에서 xy를 이해하는 것이 중요합니다.
저는 파이썬의 심층 신경망(그림), 강화 학습 및 mt.로 이 모든 것을 도울 수 있습니다.
프로젝트 관리 서비스에 관해서는 trello.com을 찬성합니다. ru.yougile.com의 대안이기도 합니다.
이렇게 하려면 Kanban 및 Agile이라는 용어에 익숙해져야 합니다.
지속적인 작업에 대한 새로운 RL 문헌이 있습니까?
저는 파이썬의 심층 신경망(그림), 강화 학습 및 mt.로 이 모든 것을 도울 수 있습니다.
신경망은 흥미롭습니다. 그리고 나무 / 숲은 전혀 관심이 없습니까?
이해하지 못했습니다. 생성 중인 팀에 들어가고 싶습니까, 아니면 대안을 제시하시겠습니까?
프로젝트 관리 서비스에 관해서는 trello.com을 찬성합니다. ru.yougile.com의 대안이기도 합니다.
이렇게 하려면 Kanban 및 Agile이라는 용어에 익숙해져야 합니다.
감사합니다. yougile의 프리젠 테이션을 보았습니다. 어떻게 든 소셜 네트워크와 매우 유사해 보였습니다. 현재 작업에 편리하지만 정보를 저장할 수있는 위치, 말하자면 지적 작업의 결과를 보지 못했습니다.