Fil de discussion با سلام

14 messages · 16:20–16:59

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)

16:20

N
Novin
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
16:34
1. S
  Sofia K
  خیلی خلاصه و واضح و عالی بیان کردید من در سایت ها میدیدم اصلا هر کسی یکجوری بیان میکرد که واضح نبود
  16:35
  1. N
    Novin
    خواهش میکنم امیدوارم از روی تعارف اینو نگفته باشید😄
    16:36
    1. S
      Sofia K
      نه من سرچم خوبه تقریبا اما سایتها خیلی بد بیان میکردن
      16:36
2. S
  Sofia K
  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؟
  16:37
  1. N
    Novin
    اره شما شافل هم که میکنید
    16:39
    1. S
      Sofia K
      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؟
      16:39
      1. N
        Novin
        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
        16:41
        N
        Novin
        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
        16:43
        S
        Sofia K
        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
        16:45
        N
        Novin
        اره به جواب متفاوتی میرسید کاملا درسته
        16:47
        A
        A 1111
        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
        16:59
N
Novin
برای تعیین هم نکته خاصی نیست میتونه عدد شانستون باشه
16:35