[Denny Ceccon]

Olá Shin,

Tente adicionar o parâmetro manual=True à chamada do displacy, como sugere o código de erro.

[Denny Ceccon]

Bem observado, Caio! Neste caso, você não vai poder usar a função cross_val_score, e precisa fazer uma implementação manual. Seria mais ou menos assim:

from sklearn.model_selection import StratifiedKFold
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

skf = StratifiedKFold(n_splits=5)
z_score_treinamento = StandardScaler()
z_score_teste = StandardScaler()
accuracy_folds = []
for train_index, test_index in skf.split(X, y):
    X_treinamento, y_treinamento = X[train_index], y[train_index]
    X_teste, y_teste = X[test_index], y[test_index]
    X_treinamento_p = z_score_treinamento.fit_transform(X_treinamento)
    X_teste_p = z_score_teste.fit_transform(X_teste)
    knn = KNeighborsClassifier()
    knn.fit(X_treinamento_p, y_treinamento)
    previsoes = knn.predict(X_teste_p)
    accuracy = accuracy_score(y_teste, previsoes)
    accuracy_folds.append(accuracy)

Ou seja, os splits são produzidos manualmente através da classe StratifiedKFold, aí cada split é padronizado, o modelo é treinado, a acurácia é calculada e o resultado é acumulado na lista accuracy_folds.

[Denny Ceccon]

Olá Samara,

Se você inspecionar a variável resultados, vai ver que uma das primeiras informações é o suporte:

[Denny Ceccon]

Olá Caio, você pode especificar a qual aula exatamente se refere?

[Denny Ceccon]

Olá Shin,

A classe gramatical (verbo ou substantivo) você pode pegar do atributo pos_ dos tokens, e se o token for um substantivo, pode verificar no atributo dep_ se ele é um objeto; em caso afirmativo, pode associar o substantivo com o verbo que vem antes.

Em inglês temos outras opções como o atributo noun_chunks do documento, que reconheceria por exemplo que “chefes de departamento” é uma coisa só, mas em português a biblioteca é mais limitada.

[Denny Ceccon]

Olá Marcio,

Não entendi sua pergunta, qual a relevância de empresas com capital aberto? Distribuição de quê? Toda distribuição se refere a uma população ou uma amostra de valores. Modelo de quê? Por favor detalhe melhor sua dúvida.

• This reply was modified 3 years, 5 months ago by Denny Ceccon.

[Denny Ceccon]

Olá Arno,

Você pode fazer um loop por cada tupla (chave, valores) do dicionário e imprimir a chave e a média dos valores:

for key, values in dictionary.items():
    print(key, values.mean())

[Denny Ceccon]

Olá Hagi,

Se o objetivo for avaliar os modelos exaustivamente, seria sim interessante repetir o processo todo a cada fit do grid search, pois em alguns casos a alteração dos hiperparâmetros pode mudar consideravelmente o comportamento do modelo. Entretanto, na prática isto geralmente não ocorre, principalmente com modelos grandes ou muitos dados, que levam muito tempo pra treinar. No final das contas vai da disponibilidade de tempo e de recursos, que você deve balancear com a confiança que quer ter no modelo final. Não existem regras muito fixas sobre isso, o desenvolvedor vai adquirindo uma intuição com a experiência e conforme se familiariza com cada caso. No final das contas, Ciência de Dados é tão arte quanto ciência! 🙂

[Denny Ceccon]

Olá Caio,

A amplitude é sempre dada pela diferença entre valor máximo e valor mínimo.

[Denny Ceccon]

Olá Renato,

Sim, na Parte 1 você encontra a sessão Avaliação de algoritmos de classificação, e a aula Validação cruzada.

[Denny Ceccon]

Olá Hagi,

É possível sim, os mesmos conceitos se aplicam. Inclusive a biblioteca imblearn aceita nativamente y com mais de duas categorias.

[Denny Ceccon]

Olá Shin,

Você nem precisa do spacy, pode fazer uma função como a seguir:

def clean_text(text):
    text = text.lower()
    words = text.split()
    keep = ['.', ',', '!', '?'] # supondo que quer manter alguma pontuação
    clean_words = []
    for word in words:
        clean_word = ''.join([c for c in word if c.isalpha() or c in keep]) # isalpha retorna True se o caractere for alfabético
        if clean_word is not '': # algumas palavras vão estar vazias, podemos ignorá-las
            clean_words.append(clean_word)
    return ' '.join(clean_words)

Exemplo:

clean_text('Olá, bom dia @Shin! Você tem 1 minuto?')
# olá, bom dia shin! você tem minuto?

• This reply was modified 3 years, 6 months ago by Denny Ceccon.

[Denny Ceccon]

Olá Shin,

Suponho que você perguntou sobre um parágrafo. Até pode, mas a ideia do tf-idf é reconhecer as palavras mais distintivas de cada texto, e se analisamos o parágrafo inteiro, ele dificilmente vai se repetir em outros textos, o que compromete a ideia que fundamenta o tf-idf.

[Denny Ceccon]

Olá Thiago, você até pode usar o train_test_split (depois que as janelas de tempo estão prontas, ou seja, depois de criar a variável X), mas se quiser gerar um gráfico no final com dados contínuos, é mais interessante separar alguns registros do final da sua tabela histórica, já que usando train_test_split, o dia em questão vai ser amostrado aleatoriamente.

[Denny Ceccon]

Olá Thiago,

A acurácia é uma medida de desempenho dos modelos de classificação, mas este é um problema de regressão, portanto temos que usar outras métricas. Na aula, nós usamos o mean absolute error, que é o erro absoluto. No final do treinamento, você pode observar que o MAE é de 0.1621; isto significa que a rede está errado 0.1621 no preço escalonado, para cima ou para baixo.

[Author]

Posts