Respostas no Fórum
- Posts
Não tem um critério fixo, mas é comum na área separar entre 10 e 20% dos dados para teste.
Pode sim, inclusive a escolha da loss function pode mudar bastante o resultado.
Parece que faltou instalar a biblioteca basemap, dá uma olhada aqui: https://stackoverflow.com/questions/52356192/modulenotfounderror-no-module-named-mpl-toolkits-basemap
O spacy oferece nativamente modelos para diferenças idiomas: https://spacy.io/usage/models/
Não conheço bancos de dados com a característica que você necessita.
É só incluir na seleção dos valores o número da coluna que corresponde ao zip code. Mas como você bem disse, este valor é categórico, então precisa ser tratado com OneHotEncoder antes de passar ao algoritmo.
Não lembro de ter visto uma LSTM aplicada para problemas de classificação, mas a princípio, me parece que basta adequar a última camada. Como este é um problema binário, poderia ser uma camada com um neurônio e ativação sigmoide.
Ou então, você poderia fazer a classificação como um pós-processamento, comparando o preço da previsão com o preço do dia anterior, e atribuindo 1 se o preço subiu ou 0 se o preço caiu.
Geralmente é só mudar para o Terminal (uma das abas na parte inferior da tela), ali você consegue instalar pacotes com
pip install.Olá Luis,
Cada chamada de
fit_transformreseta os estados internos do encoder com os novos dados. Se você não for precisar do encoder depois (para usar o métodoinverse_transform, por exemplo, ou para transformar mais dados como no caso de um modelo em produção), então pode fazer da forma que você sugeriu.Olá Luã,
Sim, é essencial repetir todo o pré-processamento em produção, para que os dados estejam no mesmo formato que o modelo viu na hora do treinamento.
Olá Matheus,
Observe que a função
lossdentro da definição deloss_geradordepende da saída do discriminador, não do gerador, e a última camada do discriminador realmente não tem ativação.Olá Gustavo,
Os cursos são elaborados de forma que, se você seguir a sequência, não deve encontrar problemas. Entretanto, com o tempo e a atualização das bibliotecas, algumas situações inesperadas podem surgir. As causas podem ser muitas, e geralmente demandam uma pequena investigação, aí nós tratamos caso a caso, conforme apareçam.
No seu caso, com as informações que passou, eu preciso checar se você iniciou o servidor rodando o arquivo app.py em ambiente local, e se ele continua rodando quando você tenta fazer as requisições, caso contrário localhost não estará disponível.
Olá Alexsandro,
Isso está acontecendo porque, na definição da função, você está retornando a própria função
amostragem_sistematica, e não a variávelamostra_sistematica.Oi Matheus,
Eu acho que as versões mais recentes do Tensorflow estão com algum bug, instala a versão 2.8 que está funcionando.
Olá Siqueira,
Eu rodei no notebook anexado à aula e funcionou sem problema. Tenta usar a mesma versão do spacy.
