AI의 전능과 만병 통치약의 근접성에 대한 "거품" 열정이 없는 좋은 과학 기사. 그것은 자연이 얼마나 "교활한"것인지, 사람이 얼마나 순진한지, 이미 열쇠를 찾았다고 믿는 사람, 그리고 지금 ...
화합물의 거대한 "라이브러리"와 다양한 균주에 미치는 영향에 대한 데이터에서 적합한 변이체를 찾기 위해 MO를 적용한 결과는 성공적인 것으로 나타났습니다. 하지만 이는 하나의 결과에 가깝고 앞으로도 비슷한 승리를 보장하지는 않습니다. 왜요? - MO는 통계 및 확률적 접근 방식을 사용하기 때문입니다. 이 검색의 다른 응용 프로그램은 매우 불행할 수 있습니다.
나는 미생물 복제의 일반 원리를 연구하고 특정 균주에 대한 선택적 차단 도구를 만드는 데 중점을 둘 것입니다. 이것이 지적인 접근이 통계적 및 확률적 접근과 구별되는 것입니다. (즉, 보편적인 솔루션 대 특정 솔루션).
AI의 전능과 만병 통치약의 근접성에 대한 "거품" 열정이 없는 좋은 과학 기사. 그것은 자연이 얼마나 "교활한"것인지, 사람이 얼마나 순진한지, 이미 열쇠를 찾았다고 믿는 사람, 그리고 지금 ...
화합물의 거대한 "라이브러리"와 다양한 균주에 미치는 영향에 대한 데이터에서 적합한 변이체를 찾기 위해 MO를 적용한 결과는 성공적인 것으로 나타났습니다. 하지만 이는 하나의 결과에 가깝고 앞으로도 비슷한 승리를 보장하지는 않습니다. 왜요? - MO는 통계 및 확률적 접근 방식을 사용하기 때문입니다. 이 검색의 다른 응용 프로그램은 매우 불행할 수 있습니다.
나는 미생물 복제의 일반 원리를 연구하고 특정 균주에 대한 선택적 차단 도구를 만드는 데 중점을 둘 것입니다. 이것이 지적인 접근이 통계적 및 확률적 접근과 구별되는 것입니다. (즉, 보편적인 솔루션 대 특정 솔루션).
단일 DNA 분자의 수준에서 양자 효과는 불가피하며 본질적으로 확률론적 성격을 띠고 이론과 matstat 없이는 원칙적으로 고려될 수 없습니다. 그리고 모든 더 높은 수준에서 - 약물의 임상 시험까지 - 이러한 과학 없이는 할 수 없습니다. 따라서 이 연구에서 사용된 것과 같은 방법은 생물학에서 전혀 이질적인 것이 아니며 심지어 in silico(in vivo 및 in vitro와 유사)라는 용어의 출현으로 이어졌습니다.
단일 DNA 분자의 수준에서 양자 효과는 불가피하며 본질적으로 확률론적 성격을 띠고 이론과 matstat 없이는 원칙적으로 고려될 수 없습니다. 그리고 모든 더 높은 수준에서 - 약물의 임상 시험까지 - 이러한 과학 없이는 할 수 없습니다. 따라서 이 연구에서 사용된 것과 같은 방법은 생물학에서 전혀 이질적인 것이 아니며 심지어 in silico(in vivo 및 in vitro와 유사)라는 용어의 출현으로 이어졌습니다.
예, 돌연변이를 생성하는 DNA의 양자 "변동"에 대한 Zen에 대한 기사도 보았습니다. 물론 ML은 많은 연구 분야에서 좋은 도구입니다. 하지만 개인적으로 MO는 AI가 아니므로 혼동하지 말아야 한다는 것을 깨달았습니다. AI는 절대 솔루션을 찾고 ML은 특정 솔루션을 찾습니다. 그들은 완전히 다른 작업 방법을 가지고 있으며 ML은 AI로 "성장"하지 않습니다.
Alexey, 당신은 잎 분석에 종사하고 있습니다. 분명히 대답 할 수 있습니다 ... 또는 아는 사람.
다음은 카부스에서 최대 2개의 깊이로 쪼개진 나무에 대한 설명입니다.
"value"은(는) 무슨 뜻인가요? 이것이 잎사귀의 대답인가? 음수는 무엇을 의미합니까?
그렇다면 다중 클래스 분류의 가치는 무엇입니까? 아래는 3가지 클래스로 훈련된 트리 중 하나의 분할입니다. 각 시트에 대해 3개의 값 값 배열이 표시됩니다. 답은 무엇입니까? 최고의 가치? 그렇다면 중복된 두 값을 저장하는 이유는 무엇입니까? 음수 값은 무엇을 의미합니까?
흥미롭게도 세 값의 합은 0입니다.
예, 이진 분류에서 이것은 "주" 클래스에 속할 확률의 값입니다.
CatBoost에서 다중 분류를 다루지는 않았지만 이것이 특정 클래스에 속할 확률이라고 생각합니다.
경험 없이는 할 수 없습니다. 내가 이해하는 한 주요 아이디어는 단순히 실험에 허용되는 물질 목록의 상당한 감소입니다. 다음 은 생물학에 중점을 두고 MO에 대한 자세한 내용은 없는 이 연구에 대한 러시아어로 된 보다 의미 있는 이야기에 대한 링크 입니다.
AI의 전능과 만병 통치약의 근접성에 대한 "거품" 열정이 없는 좋은 과학 기사. 그것은 자연이 얼마나 "교활한"것인지, 사람이 얼마나 순진한지, 이미 열쇠를 찾았다고 믿는 사람, 그리고 지금 ...
화합물의 거대한 "라이브러리"와 다양한 균주에 미치는 영향에 대한 데이터에서 적합한 변이체를 찾기 위해 MO를 적용한 결과는 성공적인 것으로 나타났습니다. 하지만 이는 하나의 결과에 가깝고 앞으로도 비슷한 승리를 보장하지는 않습니다. 왜요? - MO는 통계 및 확률적 접근 방식을 사용하기 때문입니다. 이 검색의 다른 응용 프로그램은 매우 불행할 수 있습니다.
나는 미생물 복제의 일반 원리를 연구하고 특정 균주에 대한 선택적 차단 도구를 만드는 데 중점을 둘 것입니다. 이것이 지적인 접근이 통계적 및 확률적 접근과 구별되는 것입니다. (즉, 보편적인 솔루션 대 특정 솔루션).
AI의 전능과 만병 통치약의 근접성에 대한 "거품" 열정이 없는 좋은 과학 기사. 그것은 자연이 얼마나 "교활한"것인지, 사람이 얼마나 순진한지, 이미 열쇠를 찾았다고 믿는 사람, 그리고 지금 ...
화합물의 거대한 "라이브러리"와 다양한 균주에 미치는 영향에 대한 데이터에서 적합한 변이체를 찾기 위해 MO를 적용한 결과는 성공적인 것으로 나타났습니다. 하지만 이는 하나의 결과에 가깝고 앞으로도 비슷한 승리를 보장하지는 않습니다. 왜요? - MO는 통계 및 확률적 접근 방식을 사용하기 때문입니다. 이 검색의 다른 응용 프로그램은 매우 불행할 수 있습니다.
나는 미생물 복제의 일반 원리를 연구하고 특정 균주에 대한 선택적 차단 도구를 만드는 데 중점을 둘 것입니다. 이것이 지적인 접근이 통계적 및 확률적 접근과 구별되는 것입니다. (즉, 보편적인 솔루션 대 특정 솔루션).
단일 DNA 분자의 수준에서 양자 효과는 불가피하며 본질적으로 확률론적 성격을 띠고 이론과 matstat 없이는 원칙적으로 고려될 수 없습니다. 그리고 모든 더 높은 수준에서 - 약물의 임상 시험까지 - 이러한 과학 없이는 할 수 없습니다. 따라서 이 연구에서 사용된 것과 같은 방법은 생물학에서 전혀 이질적인 것이 아니며 심지어 in silico(in vivo 및 in vitro와 유사)라는 용어의 출현으로 이어졌습니다.
단일 DNA 분자의 수준에서 양자 효과는 불가피하며 본질적으로 확률론적 성격을 띠고 이론과 matstat 없이는 원칙적으로 고려될 수 없습니다. 그리고 모든 더 높은 수준에서 - 약물의 임상 시험까지 - 이러한 과학 없이는 할 수 없습니다. 따라서 이 연구에서 사용된 것과 같은 방법은 생물학에서 전혀 이질적인 것이 아니며 심지어 in silico(in vivo 및 in vitro와 유사)라는 용어의 출현으로 이어졌습니다.
예, 돌연변이를 생성하는 DNA의 양자 "변동"에 대한 Zen에 대한 기사도 보았습니다. 물론 ML은 많은 연구 분야에서 좋은 도구입니다. 하지만 개인적으로 MO는 AI가 아니므로 혼동하지 말아야 한다는 것을 깨달았습니다. AI는 절대 솔루션을 찾고 ML은 특정 솔루션을 찾습니다. 그들은 완전히 다른 작업 방법을 가지고 있으며 ML은 AI로 "성장"하지 않습니다.
Advisor(5개)를 구매하는 경우 모든 후속 업데이트를 사용할 수 있습니까?5개 모두에 대해 무료입니까?
헤겔의 절대 이념에 대해 어떻게 생각하십니까?))
좋은 저녁, 초보자에게 ...
Advisor(5개)를 구매하는 경우 모든 후속 업데이트를 사용할 수 있습니까?5개 모두에 대해 무료입니까?
잘 모르겠거나 기억이 나지 않습니다 :) 저는 이제 기독교인이 되었고, 퍼즐을 풀고 있습니다
Alexander-Toddler와 함께 성배 의 교리를 만들고 있습니까?)
Alexey, 당신은 잎 분석에 종사하고 있습니다. 분명히 대답 할 수 있습니다 ... 또는 아는 사람.
다음은 카부스에서 최대 2개의 깊이로 쪼개진 나무에 대한 설명입니다.
"value"은(는) 무슨 뜻인가요? 이것이 잎사귀의 대답인가? 음수는 무엇을 의미합니까?
흥미롭게도 세 값의 합은 0입니다.그렇다면 다중 클래스 분류의 가치는 무엇입니까? 아래는 3가지 클래스로 훈련된 트리 중 하나의 분할입니다.
각 시트에 대해 3개의 값 값 배열이 표시됩니다. 답은 무엇입니까? 최고의 가치? 그렇다면 중복된 두 값을 저장하는 이유는 무엇입니까? 음수 값은 무엇을 의미합니까?
예, 이진 분류에서 이것은 "주" 클래스에 속할 확률의 값입니다.
CatBoost에서 다중 분류를 다루지는 않았지만 이것이 특정 클래스에 속할 확률이라고 생각합니다.
확률의 실제 값을 얻으려면 그림을 변환해야 합니다. 로지스틱 함수가 있습니다.
모델에서 활성화된 잎이 요약됩니다. 따라서 무엇보다도 기호가 다른 기호로 표시될 수 있습니다. 이것은 균형을 유지하는 과정이며, 모델을 구축하고 쓰레기 잎과 나무를 버린 후에 얇게 할 수 있습니다.
예, 이진 분류에서 이것은 "주" 클래스에 속할 확률의 값입니다.
CatBoost에서 다중 분류를 다루지는 않았지만 이것이 특정 클래스에 속할 확률이라고 생각합니다.
확률의 실제 값을 얻으려면 그림을 변환해야 합니다. 로지스틱 함수가 있습니다.
모델에서 활성화된 잎이 요약됩니다. 따라서 무엇보다도 기호가 다른 기호로 표시될 수 있습니다. 이것은 균형을 유지하는 과정이며, 모델을 구축하고 쓰레기 잎과 나무를 버린 후에 얇게 할 수 있습니다.
고맙습니다. 그게 내가 생각했던 것입니다.
나는 그들이이 값을 어떻게 계산하는지 잘 이해하지 못합니다.
예를 들어 깊이가 1인 트리 1개를 훈련했습니다.
트리에서 응답을 요청하면 다음을 얻습니다.
cmodel.predict(X, predict_type='RawFormulaVal') = -0.5202020202020202는 리프 설명의 값입니다.
cmodel.predict_proba(X)= 0.372805 는 클래스 1 확률입니다.
공식으로 확인
x1=-0.52020202
prob=math.exp(x1)/(1+math.exp(x1))=0.3728049958676699
올바르게 계산되었습니다.
데이터 세트에는 총 891개의 행이 있습니다.
다음으로 클래스 1의 발생 횟수를 세었습니다.
테두리 < 12.587499618
총 384개의 예가 발견되었으며 이는 시트 설명의 가중치에 해당하며 그 중 89개는 클래스 1의 예입니다.
클래스 1 확률은 다음과 같아야 합니다.
89 / 384 = 0.2317708
그러나 모델은 0.372805 의 확률을 제공합니다.
확률을 얻기 위한 다른 알고리즘이 거기에서 사용된다는 것이 밝혀졌습니다.
확률을 얻기 위한 다른 알고리즘이 거기에서 사용된다는 것이 밝혀졌습니다.
예, 이상한 결과입니다. 그런데 훈련에 참여하는 표본에서 확률을 취하지 않습니까? 하지만 어딘가에 실수가 있는 것 같습니다.
그리고 샘플(대상 행)의 단위는 몇 개입니까?