Studoši

Zna li netko kako da prebacim konačni dataset iz prve bilježnice u drugu (za 2. labos)?

mt09 Jesi uspio ovo rijesit

Haki kaže asistent da sam mogao ili u prvom labosu dodati liniju koja sprema novi df u neki csv file, pa ga samo importaš u drugom, ili kopirati te linije koda kojima čistiš podatke u prvom i dodati ih na početak drugog. Ja sam napravio ovo drugo.

Haki Ja sam skinuo konačan dataset iz prve bilježnice pa ga dodao u Kaggle preko gumba “Add data”:

1. Spremiš podatke: train.to_csv(‘train.csv’,index=False)
2. Skineš ih
3. Add data(ovo napravi u 2. bilježnici)
4. Učitaš podatke: pd.read_csv(‘../input/ime_baze/train.csv’)

pod “entire dataset” misle na cijeli skup za učenje ili trebamo spojiti train_data i test_data?

Treba li u 2. zadatku koristiti time series split?

sheriffHorsey Meni time series split daje jako lose rezultate u odnosu na onaj defaultni fold pa ne znam dal da ga pustim ili ne. Je li tako i vama?

bilo bi krasno ovo odgodit 😶

feudalac međuispiti do petka + ogromni labos do ponedjeljka + max 2 submita dnevno😐

Earthling nvm, ipak su dobri rezultati. Imala sam neki bug

Koji bi bio nedostatak RIPPER-a? To nas pita u 10.zadatku

Earthling Iz 7. prezentacije:
Nedostatak: Ako je problem složen (uvjeti pokrivaju mali broj primjeraka), nema garancije da će pronaći korisna pravila

Earthling

Iz preze:
"Nedostatak: Ako je problem složen (uvjeti pokrivaju mali broj primjeraka), nema garancije
da će pronaći korisna pravila"

Dodatno moš navesti sve probleme koje ti je RIPPER zadao pri rješavanju i srati po njemu.

U zadatku sa filterom filtriramo medu znacajkama trenutne utakmice i one 3 sto smo sami dodali?

Jel nekome ripper baca ‘TypeError: cannot unpack non-iterable NoneType’ i kako to riješiti?

može neke ideje za konstrukciju novih značajki?

wesley Ne znam kakve znacajke imas, ali mozes gledati npr. za koju kombinaciju vrijednosti ce nova znacajka imat velike vrijednosti, a za koje male vrijednosti ili kad ce biti pozitivno, a kad negativno. Zgodno je ubaciti i neku nelinearnost s npr. kvadriranjem, ali pazi na to jesu li ti bitne negativne vrijednosti.
Npr. (prosjecni poeni home teama * vjerojatnost da home pobijedi - prosjecni poeni poeni away teama * vjerojatnost da away pobijedi)**1.5.
Ima smisla da ce prvi dio izraza biti veci ako je prvi tim bolji, a drugi dio manji ako je drugi tim losiji pa ces dobivat pozitivnu vrijednost za taj slucaj, a x^1.5 bih dodao za nelinearnost (x² nebi bilo pametno jer neces razlikovat slucaj kad ti je prvi tim bolji i kada je drugi tim bolji vec samo “koliko” je neki od timova bolji).

Ulazni blic jutros u 8:

• što predstavlja metoda mutual_info_classif

• objasniti koje ste 3 značajke kreirali

ljudi koji danas imaju u 12, u kojoj učionici ste?

Sulejman
A304