סביבות פיתוח 2022

כי אין לו אפס מוחלט

המטרה היא לשחזר את הקלט, דוחסים אותו באמצע ואז בפלט הוא שווה

בכל מקרה בכל צעד בודקים את כל התצפיות שנותרו

א היא בטוח לא תשובה נכונה

עם העלייה בערכו של הפרמטר יש פחות סיכוי שנפצל - כלומר פחות קודקודים ובטוח שלא יותר שכבות

היא תקטין את השונות כיוון שמדובר באותה הדגימה

Factor מאפשר להגדיר עמודה קטגוריאלית ב-dataframe

זה הוא מדד כמותי המייצג אירוע בעולם האמיתי. זה מתיישב עם הרעיון של עובדה במחסני נתונים. טבלאות עובדות מאחסנות מדדים כמותיים כאלה שהם מוקד הניתוח. במקרה זה, סביר להניח שספירת המקרים המאומתים תהיה העובדה, והמאפיינים עשויים לכלול את תאריך הדוח, מיקום גיאוגרפי ומאפיינים רלוונטיים אחרים.

באלגוריתמים רבים של למידת מכונה, נתוני הקלט צפויים להיות מספריים, ומשתנים קטגוריים (כגון "אדום", "ירוק", "כחול") צריכים לעבור טרנספורמציה לערכים מספריים. ה-LabelEncoder עוזר להשיג זאת על ידי הקצאת מספר שלם ייחודי לכל קטגוריה במשתנה הקטגורי.

אולי השאלה לא כתובה ברור. פונקציית Relu היא מקסימום בין 0 לאיקס כלומר זה יהיה 0 אם איקס שלילי ואיקס אם איקס חיובי. אבל לא ברור מה הקשר בין איקס לוואי באיך שכתבתי את השאלה.

משתנה חבוי זהו משתנה שאנו יודעים שקיים וגם איך הוא משפיע משום שאנו בונים לו טבלת הסתברויות מותנות

ברשתות אמונות בייסיאניות (הידועות גם כרשתות בייסיאניות או מודלים גרפיים הסתברותיים), משתנה נסתר, הנקרא גם משתנה חבוי, הוא משתנה שאינו נצפה ישירות אך משמש להסבר הקשרים ההסתברותיים בין משתנים נצפים אחרים ברשת. תאר לעצמך שאתה בונה רשת אמונות בייסיאנית כדי למדל את ביצועי התלמידים בבחינות. צפית במשתנים כמו שעות לימוד, שעות שינה וציוני בחינות. עם זאת, עשויים להיות גורמים אחרים המשפיעים על ציוני הבחינות שאינך יכול למדוד ישירות, כגון רמת הלחץ של התלמיד או הכישרון האקדמי הטבוע שלו. בתרחיש זה, רמת הלחץ והיכולת האקדמית הם משתנים נסתרים. הם אינם ניתנים לצפייה ישירה אך יכולים למלא תפקיד משמעותי בקביעת ציוני הבחינה. על ידי הכנסת המשתנים הנסתרים הללו לרשת הבייסיאנית, אתה יכול ללכוד טוב יותר את הקשרים והתלותיות הבסיסיים בין משתנים נצפים ואפשר לשפר את הדיוק של תחזיות או מסקנות.