Co powinni robić właściciele piekarni podczas pandemii koronawirusa?
maj 2020 · Przegląd Piekarski i Cukierniczy, nr 5 What Should Bakery Owners Do During the Coronavirus Pandemic? May 2020 · Bakery and Confectionery Review, […]
Articles by admin
Pytorch regression _2.1_ [WorldHappinessReport.csv]
300420201044 https://github.com/jcjohnson/pytorch-examples#pytorch-custom-nn-modules In [1]: import torch I’m starting a GPU graphics card (which I don’t have) Odpalam karte graficzną GPU (której nie mam) In [2]: device = […]
Pytorch regression _1.1_[WorldHappinessReport]
290420201753. Tworzenie małych prototypów o pełnej zdolności bojowej Cele: 1. podstawić prawdziwy plik danych 2. przeliczyć zapamiętać model odpalić model 3. zweryfikowac model czy liczy […]
Przegląd modeli opartych na spadku gradientu: XGBoost, LightGBM, CatBoost
240120202201 In [67]: # Classification Assessment def Classification_Assessment(model ,Xtrain, ytrain, Xtest, ytest): import numpy as np import matplotlib.pyplot as plt from sklearn import metrics from sklearn.metrics […]
Kilka prostych przykładów z programowanie objektowe w Python
240420202112 Koty ¶ W 1]: class kolor_kota ( obiekt ): def __init__ ( self , imię , kolor ): self . imię = imię self […]
Perfect Plots Bubble Plot
Perfect Plots: Bubble Plot Feel free to read the code on GitHub In [1]: import pandas as pd import matplotlib.pyplot as plt import numpy as […]
Perfect Plots_ Matrix of corelation
Feel free to read the code on GitHub Source of data: https://archive.ics.uci.edu/ml/datasets/combined+cycle+power+plant Combined Cycle Power Plant Data Set¶ Data Set Information:¶ The dataset contains 9568 […]
Perfect plot Joyplot
Feel free to read the code on GitHub In [1]: import joypy import pandas as pd import matplotlib.pyplot as plt Car market analysis¶ Source of […]
Interpretacja wykresów SHAP na przykładzie Titanica (techniki selekcji zmiennych)
090420202257 https://github.com/slundberg/shap https://slundberg.github.io/shap/notebooks/NHANES%20I%20Survival%20Model.html In [1]: import pandas as pd df = pd.read_csv(’/home/wojciech/Pulpit/1/tit_train.csv’, na_values=”-1″) df.head(2) Out[1]: Unnamed: 0 PassengerId Survived Pclass Name Sex Age SibSp […]
Własnoręczna pętla do wyszukiwania najlepszych funkcji dla modelu regresyjnego (techniki selekcji zmiennych)
090420201150 In [1]: import pandas as pd df = pd.read_csv(’/home/wojciech/Pulpit/1/tit_train.csv’, na_values=”-1″) df.head(2) Out[1]: Unnamed: 0 PassengerId Survived Pclass Name Sex Age SibSp Parch Ticket Fare […]
Jak obliczyć prawdopodobieństwo przeżycia katastrofy Titanica?
080420201050 practical use: predict_proba In [1]: import numpy as np import pandas as pd from sklearn.model_selection import train_test_split from sklearn.ensemble import RandomForestClassifier In [2]: from catboost.datasets import […]
(B29) CatBoostClassifier #2
060420202152 https://github.com/catboost/tutorials/blob/master/python_tutorial.ipynb CatBoostClassifier sam koduje sobie zmienne tekstowe kategoryczne na zmienne kategoryczne wyrażone numerycznie. Jeżeli sami przeprowadzimy codowanie i zakodujemy zmienne kategoryczne na format cyfrowy, […]
CatBoost Step 1. CatBoostClassifier (cat_features)
030420200928 In [1]: ## colorful prints def black(text): print(’33[30m’, text, ’33[0m’, sep=”) def red(text): print(’33[31m’, text, ’33[0m’, sep=”) def green(text): print(’33[32m’, text, ’33[0m’, sep=”) def […]
Właściwe przygotowanie negocjacji przy sprzedaży własnej piekarni
kwiecień 2020 · Przegląd Piekarski i Cukierniczy, nr 4 Proper preparation of negotiations when selling your own bakery April 2020 · Bakery and Confectionery Review, […]
Jak działają rekurencyjne sieci neuronowe
kwiecień 2020 · Przegląd Zbożowo-Młynarski, nr 4 How Recurrent Neural Networks Work April 2020 · Grain and Milling Review, no. 4 s Data Science in […]