Maxim Dmitrievsky #: Можно определить группы, на которых лечение оказывает больше эффект. А другие не лечить.
Ну так и делают, диагнозы это группы, лечение это тритмент))) Нормальный по сути подход, когда не хватает данных для понимания процесса. Допущение в виде замены логических доказательств подтверждающими гипотезу экспериментами в разных вариациях и сравнениях с достаточной чистотой эксперимента.
A python library for performing unsupervised machine learning on datasets with learning (e.g. PCA) in contrastive settings, where one is interested in patterns (e.g. clusters or clines) that exist one dataset, but not the other. Applications include dicovering subgroups in biological and medical data. Here are basic installation and usage...
Maxim Dmitrievsky #: Там тоже дополнительный датасет используется?
Нет, там постановка задачи формально другая и используются метки. Сходство мне показалось в поиске пространств, на которые делается проекция. Ещё вроде оба подхода используют в генетике, где огромная размерность признаков, большая чем число примеров.
Нет, там постановка задачи формально другая и используются метки. Сходство мне показалось в поиске пространств, на которые делается проекция. Ещё вроде оба подхода используют в генетике, где огромная размерность признаков, большая чем число примеров.
Потом попробую, интересно что покажет на новых данных.
Посмотрел повнимательнее. Да, разница более существенная, хотя насчёт линейности метода не ошибся.
сPCA, по идее, может помочь визуально находить тонкую разницу между фазами рынка. Тоже подадимся в волшебники)
Да, когда шума много, то компоненты с максимальной дисперсией не могут ничего показать. Не разбирался как там участвует второй датасет, но это тоже что-то из козула и там что-то про тритмент было в его роликах.
Можно определить группы, на которых лечение оказывает больше эффект. А другие не лечить.
Ну так и делают, диагнозы это группы, лечение это тритмент))) Нормальный по сути подход, когда не хватает данных для понимания процесса. Допущение в виде замены логических доказательств подтверждающими гипотезу экспериментами в разных вариациях и сравнениях с достаточной чистотой эксперимента.
Помните, _Vizard все время раздвигал какие-то точки в своих видюшках, а потом удалял их? )
https://github.com/abidlabs/contrastive
Помните, _Vizard все время раздвигал какие-то точки в своих видюшках, а потом удалял их? )
https://github.com/abidlabs/contrastive
Ещё есть PLS. На первый взгляд, идея похожая.
Ещё есть PLS. На первый взгляд, идея похожая.
Есть ещё t-sne, umap, lle... И куча куча всего
Одного не пойму, в чем суть восторга? директор ИТ отдела никогда не делал РСА ? )))
Есть ещё t-sne, umap, lle... И куча куча всего
Одного не пойму, в чем суть восторга? директор ИТ отдела никогда не делал РСА ? )))
Эти же вроде нелинейные все, а те оба линейные как и PCA, если не путаю.
Ещё есть PLS. На первый взгляд, идея похожая.
Там тоже дополнительный датасет используется?
Нет, там постановка задачи формально другая и используются метки. Сходство мне показалось в поиске пространств, на которые делается проекция. Ещё вроде оба подхода используют в генетике, где огромная размерность признаков, большая чем число примеров.
Нет, там постановка задачи формально другая и используются метки. Сходство мне показалось в поиске пространств, на которые делается проекция. Ещё вроде оба подхода используют в генетике, где огромная размерность признаков, большая чем число примеров.
Там тоже дополнительный датасет используется?
Посмотрел повнимательнее. Да, разница более существенная, хотя насчёт линейности метода не ошибся.
сPCA, по идее, может помочь визуально находить тонкую разницу между фазами рынка. Тоже подадимся в волшебники)
Посмотрел повнимательнее. Да, разница более существенная, хотя насчёт линейности метода не ошибся.
сPCA, по идее, может помочь визуально находить тонкую разницу между фазами рынка. Тоже подадимся в волшебники)