Sobes.tech

Machine Learning / AI

a = [1, 2, 3] b = [1, 2, 3] c = a print(a == b) print(a is b) print(a is c) class A: def __init__(self): print("A init") class B(A): def __init__(self): print("B init") super().__init__() class C(A): def __init__(self): print("C init") super().__init__() class D(B, C): def __init__(self): print("D init") super().__init__() d = D()

163

a = [1, 2, 3] b = [1, 2, 3] c = a print(a == b) print(a is b) print(a is c)

159

Apskaičiuokite kiekvieno naudotojo bendrą pajamas (revenue) Kiekvienam naudotojui raskite jo pirmą ir paskutinę pirkimo datą Pridėkite prie duomenų rėmo naują stulpelį prev_revenue, kuris turi tų pačių naudotojų ankstesnių pirkimų pajamas (perstumimas grupės viduje). Jei nėra ankstesnio, nustatykite NaN

157

Kas yra SHAP mediniams modeliams ir kodėl TreeSHAP?

Middle — Senior
155

Koks modelis buvo gautas išsiskyrimo projekte, kiek buvo požymių ir koks buvo imties dydis?

155

Kaip pagreitinti gradiento nusileidimą turint labai daug požymių?

152

Kas yra L1 ir L2 reguliavimas ir kodėl L1 gali nulinti svorius?

149

Kaip dirbti su trūkstamomis reikšmėmis duomenyse, įskaitant laiko eilutes?

146

Papaskink apie regresijos projektą, skirtą nekilnojamojo turto rinkos vertės prognozei, ir naudotą modelį.

139
/3