Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 1947

 
Evgeny Dyuka'nın fotoğrafı.
Etkili bir şey bulamadım, ilk başta sonuç üzerinde daha iyi bir etkisi olan şeyi aradım ama sonra gol attım, çok kasvetliydi. Görünüşe göre TensorBoard yardımcı olabilir. Henüz çözemedim, eğer araştırırsanız, kurduysanız nasıl bilgisini paylaşın.

Orada ilginç bir şey yok.

%load_ext tensorboard
import datetime , os
logdir = os.path.join( "logs" , datetime . datetime .now().strftime( "%Y%m%d-%H%M%S" ))
tensorboard_callback = tf.keras.callbacks.TensorBoard(logdir, histogram_freq= 1 )
history = model.fit(InTrain, OutTrain, epochs= 10 , batch_size= 32 , callbacks=[tensorboard_callback])
%tensorboard --logdir logs

Girdi katmanının ağırlıklarının değerlerini çıkarmaya çalışmak istiyorum, nasıl olduğuna bakmam gerekiyor.

 
Rorschach :

Orada ilginç bir şey yok.

Girdi katmanının ağırlıklarının değerlerini çıkarmaya çalışmak istiyorum, nasıl olduğuna bakmam gerekiyor.

Bağlantı için teşekkürler.
Ve bununla hiç uğraşmanıza gerek var mı? Binlerce özellik değil, onlarca özellik varsa, o zaman nöronun kendisi neye ihtiyaç duyduğunu anlayacaktır, asıl şey bir bırakma ile oynamaktır. Girdiye çok şey verdiğimde, doroout'u 0,5'e ayarlıyorum ve neye ihtiyacı olduğunu düşünmesine izin veriyorum.
 
Evgeny Dyuka'nın fotoğrafı.
Bağlantı için teşekkürler.
Ve bununla hiç uğraşmanıza gerek var mı? Binlerce özellik değil, onlarca özellik varsa, o zaman nöronun kendisi neye ihtiyaç duyduğunu anlayacaktır, asıl şey bir bırakma ile oynamaktır. Girdiye çok şey verdiğimde, doroout'u 0,5'e ayarlıyorum ve neye ihtiyacı olduğunu düşünmesine izin veriyorum.

Ben gerekli olduğunu düşünüyorum. 10 tren gecikmesi veriyorum ve doğrulama benzer sayıları gösteriyor, 100 trenin yeniden eğitilmesi için start veriyorum.

 
Rorschach :

Ben gerekli olduğunu düşünüyorum. 10 tren gecikmesi veriyorum ve doğrulama benzer sayıları gösteriyor, 100 trenin yeniden eğitilmesi için start veriyorum.

Özellik başına 5 ila 10 bin ve 100-150 dönem için ödeme yapmaya başladığımda yeniden eğitim sorununu bir kez ve herkes için çözdüm. Genel olarak, yeniden eğitim sorunu yoktur.
 
Sanki cumartesi eka dal savrulmuş gibi...
 
Rorschach :

Herkes referanslar için C++'ı azarlar ve python devam etmeye ve onları her yere itmeye karar verdi.

sadece doğru kullanmayı öğrenmen gerekiyor. Bir dilim veri almak bir şeydir, ancak neyin geldiğini anlamayı bırakana kadar ileri geri atamak başka bir şeydir :)

 
mytarmailS :

öğrenme tsmp paketi

İlginç bir şey, gizli bir Markov modelinde durum tanıma gibi bir şey

Nasıl kullanacağımı bilmiyorum ama...

işlev

https://sites.google.com/site/snippetfinderinfo/

oh, kalıpları bile bulamıyorum, sanki yokmuşlar gibi

Yapabilirim, ancak yeni verilerde hızla tükenirler

 
Michael Marchukajtes :
Sanki cumartesi eka dal savrulmuş gibi...

**** geldi.

Olur...
 
mytarmailS :

Alex beni yine sinirlendiriyorsun)

Her gün on kod yazıyorum ve özellikle senin için yazdığım kodu hatırlamam mı gerekiyor? , bir şeyler öğreneceğinizi ve kodu değiştirip değiştirmediğinizi bir yerden bilmem gerektiğini yazdı?

Ve siz, sırayla, değişkene bakmayı bile öğrenmediniz mi? Aptalca konsola "X" yazıp enter'a basanlar!!!

Garip sorular mı soruyorum? Utanmıyor musun, Alex?

Gergin olmaya gerek yok - tren - çocuklarınız olduğunda - işe yarar :)

Peki, bu ne tür bir işlevdir - tercüman sorunları:

tahmin, çeşitli model uydurma işlevlerinin sonuçlarını tahmin etmek için genel bir işlevdir. İşlev, ilk argümanın sınıfına bağlı olan belirli yöntemleri çağırır.

Anladığım kadarıyla, özünde bu, modeli yeni verilere uygulamak için bir işlevdir.

UMAP ile ilgili bir yardım okudum ve buradan ortaya çıkan modelin esasen bir matris olduğu sonucuna vardım.

Burada da bu matrisi nasıl alacağımı düşündüm. Model oluşturmanın diğer yöntemlerinde, bu başka bir şey olabilir - matematiksel formüller veya bir dizi mantıksal kural.

Ancak, modeli yeni verilere uygulama algoritması neden açıklanmıyor - bu matrisi kullanarak test örneğinin satırını belirli bir koordinata nasıl bağlayabiliriz? Bu olmadan, tüm bu yön çöp.

 
mytarmailS :

Bunlar geri dönüş değil, dönüşlerde desen yok (7 yıllık deneyimle doğrulanmış) Bu küçültülmüş bir boyut, bu iki eğride 2.5k işaretler dikiliyor . Bunlar steroidler üzerinde desen arayışları)

Bu eğrileri nasıl elde ettiniz? Ana bileşenler?