Marcado: regressao logistica
- Este tópico contém 3 respostas, 2 vozes e foi atualizado pela última vez 7 meses, 2 semanas atrás por
Denny Ceccon.
- AutorPosts
- 28 de junho de 2024 às 15:39 #45503
Boa tarde professor!
Fiz um projeto de ML do kaggle da Scania sobre falha na pressão de ar.
Testei uma rede neural e não funcionou, com 20 épocas não teve melhorias e parou. Depois testei o Random Forest, só que os resultados foram tão bons que acho que fiz algo errado, posso enviar o notebook para o senhor dar uma olhada?
29 de junho de 2024 às 10:21 #45505Olá Heitor,
Desculpa, mas pela quantidade de alunos que atendemos, não temos como oferecer suporte para implementações pessoais, focamos apenas nos códigos apresentados em aula.
Uma sugestão: coloque seu código em uma LLM, como o ChatGPT ou o Gemini, e peça para eles te orientarem. Eu uso bastante no dia-a-dia, e geralmente as LLMs ajudam bastante.
1 de julho de 2024 às 14:43 #45510Certo, então pode me ajudar com a função baixo, ela é para detectar e remover os outliers, mas e se eu quiser substituir os outliers pela media ou mediana, como ficaria a função?
# Função para remover os outliers
def remover_outlier(in_data,in_col):first_quantile = in_data[in_col].quantile(0.25)
third_quantile = in_data[in_col].quantile(0.75)
iqr = third_quantile – first_quantile
upper_limit = third_quantile + 1.5 * iqr
lower_limit = first_quantile – 1.5 * iqr
in_data.loc[(in_data[in_col]>upper_limit), in_col] = upper_limit
in_data.loc[(in_data[in_col]<lower_limit), in_col] = lower_limit
return in_datafor i in variaveis_numericas:
scania = remover_outlier(scania, i)1 de julho de 2024 às 14:53 #45511Heitor, de novo eu sugiro tentar usar as LLMs, elas têm sido muito úteis para esse tipo de dúvida, eu coloquei sua pergunta no Gemini e ele respondeu assim: https://g.co/gemini/share/5a84b419b9da
- AutorPosts
- Você deve fazer login para responder a este tópico.