Forum Replies Created
- Posts
Assim dá certo:
`fig= make_subplots(cols= len(df.columns), rows= 1)
for i in np.arange(1, len(df.columns)):
fig.add_trace(px.histogram(df[df.columns[i]])[‘data’][0], row=1, col=i)
fig.show()`Olá Bruno,
Desculpe mas não entendi sua primeira dúvida, pode ser mais específico?
Os métodos do Python também são invocados com parênteses,
ilocé uma das poucas exceções, eu acredito que eles escolheram usar colchetes porque a indexação no Python é feita com colchetes, por exemplods[0:5], mas no caso de objetos mais complexos (como um dataframe) o índice pode se referir tanto à posição quanto ao nome da posição (atributoindexno caso de um dataframe), por isso eles implementaram os métodosiloc(para posição) eloc(para nome).Ubiratan, dá uma olha aqui: https://plotly.com/python/subplots/
Basicamente, na chamada de
add_trace, você deve passar o próprio gráfico, não o dataframe.Boa pergunta, Ubiratan! Com certeza não sei dizer, mas se você usar
reset_index()depois de renomear as colunas, deve corrigir esse comportamento.Tem razão Ricardo, para ficar igual à definição de step function que o professor utilizou, o correto seria
soma > 0.Ubiratan, eu não sei precisar, mas desconfio que é porque alguns valores das ações são ajustados para incorporar os dividendos/juros de capital próprio pagos no período.
Olá Guilherme,
Como atualizar o código em função de novas versões das bibliotecas pode ser bem trabalhoso, nosso compromisso é garantir que o código funciona na versão apresentada na aula. Eu acredito que o Pandas versão 1.5.3 (atualmente disponível no Colab) está funcionado corretamente.
Poder pode, mas se você sabe que é uma reta, faz mais sentido usar uma regressão linear de uma vez, é mais econômico computacionalmente e o erro será menor.
O ruído provavelmente seria suavizado, esta é uma das aplicações dos autoencoders, mas se um sensor for desligado você não tem sinal de entrada então a rede provavelmente não produziria nada, ela tentaria codificar e depois decodificar o sinal zerado.
Se os sensores têm funcionamento similar e são caracterizados pelas 120 medidas, me parece fazer mais sentido treinar uma rede com 120 neurônios de entrada e saída. Já se cada sensor funciona de forma diferente, você precisaria de 96 redes neurais, uma para cada sensor. Não tenho familiaridade com este tipo de dado, como eu disse te dar uma orientação mais assertiva demandaria conhecer melhor os detalhes do sistema. Te recomendo procurar na literatura se alguém já tratou este tipo de dado com esta abordagem.
Olá Edmilson,
Seu problema é muito específico, exigiria um pouco mais de contexto, mas infelizmente nós não temos como fornecer este tipo de assessoria no momento.
Tem razão. Neste exemplo não influencia no resultado porque o valor de
biasé igual ab, mas para a função ficar correta, o certo é usarbias.De acordo com o código-fonte da camada densa, a inicialização padrão é do tipo uniforme (kaiming).
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
