Respostas no Fórum
- Posts
Olá Nycole, utilize essa linha abaixo na configuração do Tesseract:
!wget -O ./tessdata/por.traineddata https://github.com/tesseract-ocr/tessdata/blob/main/por.traineddata?raw=true
Fabio
Olá Armando, pode ser algum conflito na sua máquina, tente utilizar uma versão mais antiga:
https://download.biolab.si/download/files/Orange3-3.25.0-Miniconda37-x86_64.exe
Desinstale a versão atual e instale esse acima.
Outras versões podem ser encontradas aqui: https://download.biolab.si/download/files/
Fabio
Olá Armando, estive fazendo alguns testes e pude constatar que esse erro em partes é causado pelo sistema operacional. Entretanto, ele não impede a instalação do add-on. Clique em OK em seguida aguarde a instalação do Orange e quando ele pedir para reiniciar o programa, reinicie. Logo após a inicialização, se você conferir em add-on o puglin estará instalado.
Fabio
Olá Drielle, você pode fazer o download no link abaixo:
https://iaexpert.academy/topic/recursos-para-download-28/
Fabio
Olá Drielle, estou fazendo algumas alterações para que você consiga realizar o download. Assim que concluir, te passo o link.
Fabio
Olá Guilherme, segue um complemento do instrutor Denny:
Teria que implementar seu próprio código para isso. Você poderia:
1) juntar todos os valores possíveis em uma variável auxiliar, por exemplo algo do tipo (supondo que sua coluna col esteja em um dataframe df):
aux = set()
for entry in df[col]:
aux.update(entry)2) montar cada nova coluna com base na variável auxiliar, e alimentar ela com o valor 1 se ela aparece na coluna original, 0 se não aparece:
for val in list(aux):
temp = []
for i in range(len(df)):
temp.append(1 if val in df[col][i] else 0)
df[val] = tempFabio
Olá Luiz, vimos que já encontrou a solução do problema 😉
https://iaexpert.academy/forums/topic/resolvido/#post-31631
Fabio
Olá Ahand, você esta tentando fazer a instalação pelo instalador? Em todo caso, desinstale e em seguida baixe o instalador do site e tente executar como administrador do sistema.
https://orangedatamining.com/download/#windows
Esse link também mostra como realizar a instalação através do Anaconda prompt.
Fabio
Olá Alisson, segue a resposta do instrutor Denny:
Quando você pede o atributo values em um dataframe, ele retorna só os valores, em formato de numpy array. No seu caso, X_eixo (primeiro caso) seria um numpy array de duas dimensões, tendo 9 colunas (as 10 colunas originais menos a coluna 3). Aí você pode chamar max(X_eixo) para ver o valor máximo contido em todo o array, ou np.max(X_eixo, axis = 0) para ver o máximo em cada linha, ou np.max(X_eixo, axis = 1) para ver o máximo em cada coluna.
Fabio
Olá Marcos, segue a resposta do instrutor Denny:
Nós costumamos usar machine learning em substituição a métodos tradicionais de modelagem matemática, quando não conhecemos as características dos dados e por isso definir um modelo formal não é possível. Portanto, em qualquer tarefa de machine learning, não temos como escolher um método específico a priori, já que cada um parte de premissas diferentes para tentar resolver o problema, e nós não sabemos qual premissa se aplica. O caminho é testar várias abordagens e escolher no final, quando já se conhece o desempenho dos modelos testados com os seus dados. Para previsões de natureza temporal temos conteúdo sobre os algoritmos ARIMA e Prophet, e você também vai querer checar os tópicos referentes a redes neurais recorrentes.
Bons estudos!
