Italiano
Apri in Telegram

Conversazione با سلام

14 messaggi · –
S
با سلام ببخشید این مقداری که برای ransom state نوشته میشه چه معنایی دارد و چگونه تایین می شود؟ kmeans = KMeans(n_clusters=i, init='k-means++', random_state= 42)
  1. N
    رندوم استیت درواقع شما داده هارو توسط رندوم استیت بهم میریزید و داده هارو به همون صورتی که هست خیلی شیک و تمیز در اختیار مدل نمیزارید و نکته ای که هست شماره با اعداد متفاوت برای رندوم استیت با وجود هایپرپارامتر های ثابت به خروجی های متفاوتی میرسید هدف از اعداد رندوم استیت چیه شما مثلا به ی دقت مشخصی در خروجی میرسید و ی شخص دیگه در یک جای دیگه همون مدل شما با همون هایپرپارامتر هارو پیاده میکنه و اگر بخواد به همون دقت شما برسه بهتره رندوم استیتش مشابه با رندوم استیت شما باشه
    1. S
      خیلی خلاصه و واضح و عالی بیان کردید من در سایت ها میدیدم اصلا هر کسی یکجوری بیان میکرد که واضح نبود
      1. N
        خواهش میکنم امیدوارم از روی تعارف اینو نگفته باشید😄
        1. S
          نه من سرچم خوبه تقریبا اما سایتها خیلی بد بیان میکردن
    2. S
      داده هارو توسط رندوم استیت بهم میریزید و داده هارو به همون صورتی که هست خیلی شیک و تمیز در اختیار مدل نمیزارید منظورتون شافل زدن است؟
      1. N
        اره شما شافل هم که میکنید
        1. S
          منظورتون از داده هارو توسط رندوم استیت بهم میریزید و داده هارو به همون صورتی که هست خیلی شیک و تمیز در اختیار مدل نمیزارید چیه یعنی رکوردها جا به جا مییشوند مثل شافل ؟ یا کار دیگری هم میکنه؟
          1. N
            اره رکورد ها جابجا میشه مثلا دیتاست اگر داده ۱ و ۲ و ۳ و ۴ و ۵ باشه به همین ترتیب نمیدید و با رندوم استیت مثلا با ترتیب ۲ و ۳ و ۵ و ۴ و ۱ میدید به مدل
            1. N
              و اگر بخواید دوباره با همین ترتیب ۲ و ۳ و ۵ و ۴ و ۱ به مدل بدید باید رندوم استیتی که دور قبلی بکار بردید باز هم استفاده کنید تا به همین ترتیب برسید
            2. S
              ولی فکر کنم کاربرد دیگری دارد که اگر مقدارش فرق کنه جوابها متفاوت میشه شما با اعداد متفاوت برای رندوم استیت با وجود هایپرپارامتر های ثابت به خروجی های متفاوتی میرسید
              1. N
                اره به جواب متفاوتی میرسید کاملا درسته
              2. A
                شافل میکنن چون رو اورفیت شدن به طور غیر مستقیم تاثیر میذاره و واریانس مدل کمتر میکنه سعی میکنه تعمیم پذیری داشته باشه نسبت به دیتاهایی که ندیده
  2. N
    برای تعیین هم نکته خاصی نیست میتونه عدد شانستون باشه
PPython + Linux ExpertsPython + Linux Experts@PythonLinuxExperts · gruppo · Tecnologia
4 287membri21scrivono in 30 giorni
Feed della community Apri in Telegram

Un feed pubblico aperto dall'indice di ricerca ChatCrawler — «Google per il Telegram pubblico»; si aggiorna man mano che la community viene scansionata. Orari in UTC.

Solo contenuti pubblici, API ufficiale di Telegram. Informazioni · FAQ · Limiti dell'indice · Rimuovi una pagina · Catalogo · Ricerca · Come calcoliamo