[Fábio Spak]

Boa noite Nelson, não existem bibliotecas prontas, dependendo assim de implementação. Veja abaixo algumas métricas que podem ser implementadas:

https://towardsdatascience.com/metrics-to-evaluate-your-machine-learning-algorithm-f10ba6e38234

Fabio

[Fábio Spak]

Boa noite Nelson, desculpe a demora em lhe responder. Veja no link abaixo como fazer isso:

https://spacy.io/usage/training

Fabio

[Fábio Spak]

Boa noite Lúcio, não consegui localizar a origem do seu problema, mas acredito quer algo possa estar relacionado a instalação. Recomendo a remoção do ambiente virtual e a criação novamente. Porém, tente executar o prompt do anaconda como administrador da máquina seguindo os passos já informados na vídeo aula. Fiz os testes aqui e funcionou normalmente para mim nessas configurações.

Fabio

[Fábio Spak]

Boa noite Jason, com a atualização do código fonte o LabelEncoder não é utilizado na etapa dos previsores. Nesse caso, o código deverá ficar dessa forma:

import pandas as pd

base = pd.read_csv('census.csv')

previsores = base.iloc[:, 0:14].values
classe = base.iloc[:, 14].values

from sklearn.preprocessing import LabelEncoder, OneHotEncoder
from sklearn.compose import ColumnTransformer
labelencoder_previsores = LabelEncoder()

onehotencorder = ColumnTransformer(transformers=[("OneHot", OneHotEncoder(), [1,3,5,6,7,8,9,13])],remainder='passthrough')
previsores = onehotencorder.fit_transform(previsores).toarray()

labelencorder_classe = LabelEncoder()
classe = labelencorder_classe.fit_transform(classe)

from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
previsores = scaler.fit_transform(previsores)

Fabio

[Fábio Spak]

Boa noite Jason, esse erro esta relacionado com a atualização do código fonte. Você pode fazer o download do código fonte atualizado através do link abaixo:

https://iaexpert.academy/topic/importante-atualizacao-do-codigo-fonte-e-recursos-para-download/

Fabio

[Fábio Spak]

Boa noite Nelson, você pode considerar as etapas:

Limpeza de Dados
Remoção de informações duplicadas/ausentes
Remoção de observações e erros irrelevantes
Remoção de colunas desnecessárias
Tratamento de dados inconsistentes
Tratamento de outliers e ruído

O método comum é normalizar a unidade de cada dimensão individualmente.

Aplique métodos de redução de dimensionalidade.

No artigo abaixo (fonte da resposta) você encontrar esse assunto um pouco mais sobre esse assunto:

https://www.edupristine.com/blog/k-means-algorithm

Assim como, nessa discussão você obter mais alguns insights:

https://datascience.stackexchange.com/questions/22/k-means-clustering-for-mixed-numeric-and-categorical-data

Fabio

[Fábio Spak]

Boa tarde dougtaleb, é estranho, pois nos meus testes aqui no Jupyter funcionou normalmente. Veja abaixo:

Tente executar os comandos abaixo no prompt do anaconda executando ele como administrador:

pip uninstall seaborn

pip install seaborn

Em seguida, reinicie o kernel do Jupyter e tente executar o código novamente.

Fabio

[Fábio Spak]

Boa tarde Carlos, é melhor não pular as fases, pois no conjunto de dados de treinamento as amostras são usadas para criar o modelo, enquanto o conjunto de dados de teste ou validação é usado para qualificar o desempenho.

No link abaixo você pode encontrar uma excelente discussão sobre esse assunto:

https://stats.stackexchange.com/questions/19048/what-is-the-difference-between-test-set-and-validation-set

Fabio

 

[Fábio Spak]

Boa tarde dougtaleb, respondi na outra pergunta, aguardo seus testes.

Fabio

[Fábio Spak]

Boa tarde dougtaleb, tente executar o comando abaixo em uma célula do Jupyter.

!pip install -U seaborn

Em seguida, tente executar o código novamente.

Fabio

 

[Fábio Spak]

Boa tarde Leandro, quase isso, na linha do onehotencoder lembre-se de incluir as outras colunas para realizar a transformação. Veja abaixo o trecho de código correspondente:

onehotencorder = ColumnTransformer(transformers=[("OneHot", OneHotEncoder(), [1,3,5,6,7,8,9,13])],remainder='passthrough')

Fabio

[Fábio Spak]

Boa tarde Nelson, verifique se você pode estar atingindo os limites de uso se usar muito o Colab. Todos os trabalhos que estavam rodando nessa conta foram fechados? É estranho o fato de que na outra conta esteja funcionando, esse pode estar relacionado a sua conta Google.

Algumas discussões que podem lhe ajudar:

https://stackoverflow.com/questions/48508145/google-colaboratory-no-backend-with-gpu-available

Fabio

[Fábio Spak]

Boa noite Edjander, esse erro esta relacionado a atualização do código fonte. Você pode fazer o download do código fonte atualizado no link abaixo:

https://iaexpert.academy/topic/importante-atualizacao-do-codigo-fonte-e-recursos-para-download/

Fabio

[Fábio Spak]

Boa noite Edjandir, peço desculpas pela demora na resposta. Sim, a abordagem abstrativa é bem interessante, entretanto no momento não temos um conteúdo implementado. Sobre o Elastic Search acredito que seja uma ferramenta robusta, rápida e completa para armazenamento de dados, pesquisa e análise. Ainda não testamos por aqui, mas se testar aí comenta com o pessoal qual foi resultado 😉

Fabio

 

[Fábio Spak]

Boa noite Magda, a coluna 8 não esta totalmente zerada, percorrendo parte dela encontrei um numero na linha 1901. Antes o LabelEncoder era utilizado para transformar os atributos categóricos em numéricos. No código fonte atualizado, utilizamos apenas o ColumnTransformer+OneHotEncoder, de modo que, tudo é feito em uma única linha. Ou seja, com o OneHotEncoder criamos as variáveis do tipo Dummy, ou seja, para cada categoria será adicionada uma nova coluna na base de dados com valores binários.

Fabio

[Autor]

Posts