Forum Replies Created
- Posts
Olá Renato,
Não tem como informar a rede neural diretamente, mas você pode tratar os dados para tornar essas associações implícitas. Por exemplo, você pode chamar receita/produto de 1, receita/serviço de 2, despesa/fixa de 3 e despesa/variável de 4, apresentando esses índices em uma única coluna.
Olá Edsson,
Estive revisando o material que foi utilizado na elaboração dessa aula e acredito que a forma correta de calcular o risco não-sistemático é subtrair, do risco total, o risco sistemático. O risco total pode ser expressado pela variância de todas as ações no portfólio, e para o risco sistemático nós podemos usar um índice que representa o mercado como um todo, como o próprio BOVA11. Dessa forma, o portfólio que só possui BOVA11 teria risco não-sistemático igual a 0, enquanto que o outro portfólio poderia ter risco não-sistemático negativo, o que suavizaria o seu risco total.
Olá Alan,
Geralmente basta converter a imagem para um array (função
numpy.array). Dependendo da biblioteca que você use para ler a imagem, até já tem um métodoto_array()implementado que converte a imagem para um array bi ou tridimensional. Para linearizar o array, basta chamar o métodoravelno objeto do tipo numpy array.É isso mesmo, a implementação não deve ser difícil. Cheque a documentação do StratifiedKFold para gerar índices e, se ainda não conhecer, pesquisa como listar e mover arquivos com o Python.
Olá Renato,
Acho que você não vai encontrar nada pronto neste sentido, mas você pode implementar uma pipeline que gera índices para a validação cruzada e depois move os arquivos correspondentes para pastas de treinamento e teste. Esta seria uma solução que eu tentaria implementar.
Olá Lindomar,
Dá uma olhada na documentação da função print: https://docs.python.org/3/library/functions.html#print
Você pode passar o parâmetro
sep=''para não colocar espaço entre as strings.Olá Gilvan,
Pra te falar a verdade eu acho que não vale a pena, porque é difícil definir o que são dois documentos “iguais”. Qualquer espaço a mais, ou falta de acento, ou diferença entre maiúscula e minúscula, vai alterar sua resposta. Se o objetivo é verificar se os dois arquivos são um cópia do outro, você não precisa de redes neurais para isso.
O mais provável é algum erro de implementação mesmo. Você poderia tentar simplificar sua arquitetura para debug, e rodar passo a passo pra ter certeza de que os cálculos estão corretos.
Se você só está interessado em um algoritmo funcional, por que não usa alguma biblioteca com a implementação pronta? Para implementações mais simples, poderia utilizar o Scikit-Learn mesmo, ou se quiser ter mais controle sobre a arquitetura poderia usar o Keras.
Sua implementação é bastante personalizada, e como debugar código escrito por outros desenvolvedores costuma dar trabalho, nós não temos como oferecer ajuda nestes casos particulares. Entretanto, me parece que você está tentando prever valores numéricos, e a função de perda escolhida é para valores categóricos. Procure utilizar uma função adequada, a mais utilizada nesses casos é RMSE.
Olá Sheila,
Esse tipo de erro geralmente é causado por versão das bibliotecas. Tente instalar uma versão anterior ou posterior do Keras.
Olá Félix,
Não tem como sabermos qual modelo é o mais adequado analisando apenas os dados, machine learning funciona mesmo dessa forma, primeiro você testa vários modelos e escolhe o melhor no final.
Veja que deep learning é um tipo de machine learning (utilizando redes neurais profundas), então as redes convolucionais são ambos.
Existem várias métricas para comparar o desempenho dos modelos, eu costumo dar uma olhada neste link da documentação do Sklearn quando quero lembrar das opções.
Tem razão André, o enunciado não está claro o suficiente, mas é bom lembrar também que as notas para aprovação costumam ser do tipo “maior ou igual”. Ainda assim, o importante é que você entendeu o restante do conteúdo. Vou repassar para corrigir a descrição.
