Warning: mkdir(): No space left on device in /var/www/tg-me/post.php on line 37
Warning: file_put_contents(aCache/aDaily/post/dsproglib/--): Failed to open stream: No such file or directory in /var/www/tg-me/post.php on line 50 Библиотека дата-сайентиста | Data Science, Machine learning, анализ данных, машинное обучение | Telegram Webview: dsproglib/6495 -
📌Промт дня: анализ важности признаков после обучения модели
После того как вы обучили модель (особенно если это ансамблевый метод вроде Random Forest или градиентного бустинга), важно понять, какие признаки влияют на предсказания.
Это помогает: — интерпретировать модель, — упростить её (feature selection), — обнаружить «лишние» или дублирующие признаки.
Промт:
Проанализируй важность признаков обученной модели. Выполни следующие шаги:
— Извлеки и отсортируй признаки по степени важности. — Построй barplot с топ-10 признаками. — Проверь, есть ли признаки с нулевой или близкой к нулю важностью — возможно, их можно удалить. — Если модель поддерживает SHAP / permutation importance — добавь соответствующую визуализацию. — Сформулируй гипотезы: почему те или иные признаки оказались важны? Как это согласуется с предметной областью?
Рекомендованные инструменты: ✅model.feature_importances_ — в sklearn-моделях, XGBoost, LightGBM ✅eli5, shap, sklearn.inspection.permutation_importance — для глубокой интерпретации ✅seaborn.barplot, matplotlib — для наглядных графиков
📌Промт дня: анализ важности признаков после обучения модели
После того как вы обучили модель (особенно если это ансамблевый метод вроде Random Forest или градиентного бустинга), важно понять, какие признаки влияют на предсказания.
Это помогает: — интерпретировать модель, — упростить её (feature selection), — обнаружить «лишние» или дублирующие признаки.
Промт:
Проанализируй важность признаков обученной модели. Выполни следующие шаги:
— Извлеки и отсортируй признаки по степени важности. — Построй barplot с топ-10 признаками. — Проверь, есть ли признаки с нулевой или близкой к нулю важностью — возможно, их можно удалить. — Если модель поддерживает SHAP / permutation importance — добавь соответствующую визуализацию. — Сформулируй гипотезы: почему те или иные признаки оказались важны? Как это согласуется с предметной областью?
Рекомендованные инструменты: ✅model.feature_importances_ — в sklearn-моделях, XGBoost, LightGBM ✅eli5, shap, sklearn.inspection.permutation_importance — для глубокой интерпретации ✅seaborn.barplot, matplotlib — для наглядных графиков
Telegram’s stand out feature is its encryption scheme that keeps messages and media secure in transit. The scheme is known as MTProto and is based on 256-bit AES encryption, RSA encryption, and Diffie-Hellman key exchange. The result of this complicated and technical-sounding jargon? A messaging service that claims to keep your data safe.Why do we say claims? When dealing with security, you always want to leave room for scrutiny, and a few cryptography experts have criticized the system. Overall, any level of encryption is better than none, but a level of discretion should always be observed with any online connected system, even Telegram.
Importantly, that investor viewpoint is not new. It cycles in when conditions are right (and vice versa). It also brings the ineffective warnings of an overpriced market with it.Looking toward a good 2022 stock market, there is no apparent reason to expect these issues to change.
Библиотека data scientist’а | Data Science Machine learning анализ данных машинное обучение from us
