ClickHouse не тормозит
nginx_ru
Data Science Chat
DBA - русскоговорящее соо...
Tarantool
☁️ AWS_RU
PostgreSQL + 1C + Linux
MongoDB Russian
Yandex Cloud - Официальны...
Big Data Science :: AI / ...
dbGeeks
React: русскоязычное сооб...
opencv_ru
catboost_ru
Kaggle
ScyllaDB
И к слову, что подразумевается под Multi Label Classification? Это
когда нужно назначить объекту несколько меток из одного множества? Или это когда нужно назначить объекту n меток из n множеств? Я просто склоняюсь к первому варианту, а в таком случае всё обсуждение не имеет смысла
6 ответов
Если не углубляться в подробности конкретно вашей задачи, то по идее если у вас будет достаточно сильных фичей, которые способны разделить 95-ый год от двухтысячных, то и классификатор « мондео vs сиера » справится с этим, так как в обучающей выборке не будет мондео из 90ых
В том то и дело, что сейчас наша модель делает много грубых ошибок типа «старая сиерра» вместо «новый Мондео» для правильного ответы «новый Фокус». На этапе тренировки мы знаем год выпуска каждой машины и хотим, чтобы «удалённость» ответа от правильного года выпуска влияла на оценочную функцию, тем самым помогая ей выбрать более оптимальное для нас решение. Мы хотим невозможного? Или же это уже смахивается на custom loss function?
Nick
Konovalchuk
Автор вопроса
А как вам такой вариант: обучить модель, которая предсказывает год, а потом скармливать год в модель, которая предсказывает модель авто
Идея очень интересная. Мы попробуем на наших данных. А так вообще корректно делать с научной точки зрения? Или это больше как хак?
Nick
Konovalchuk
Автор вопроса
Ну, можно сказать, что это своего рода стекинг. А стекинг практикуют
Я похожую идею реализовывал. Одна модель предсказывала фичу в датасете, а потом этот датасет с предсказанной фичей кормился второй модели. Проблема в том, что вторую модель нужно тренировать на тестовых данных первой модели, иначе будет лик\переобучение и толку мало
Похожие вопросы
Обсуждают сегодня