NTA
Лайфхаки IT, проверенные решения для стандартных задач
Да, видимо сейчас никто не занимается проектом т.к. не обновляется ни документация, ни GitHub проекта.
🔥
👀 будем рады комментариям
Здравствуйте, пришлите в личные сообщения адрес почты, пришлем вам xlsx
Здравствуйте!
Формула определяет величину смещения для веса Bn в зависимости от результата вывода модели в текущей итерации.
Если простым языком, то на сколько нужно изменить вес признака в зависимости от ответа модели.
Сама формула в ячейке – это корректировка веса с помощью градиента сигмоиды = ошибка * значение_признака * предсказание_модели * (1 – предсказание_модели),
где ошибка = реальное_значение (кошка/не кошка) минус предсказание модели ($K3-$X3)
значение признака – это B3
предсказание_модели * (1 минус предсказание_модели) - это градиент функции:
предсказание_модели – это $X3
Градиент функции показывает как быстро функция меняется в разных направлениях.
В публикации есть предложение загружать свой код на платформу PythonAnywhere на бесплатный тариф, чтобы бот был доступен круглосуточно
Была использована версия 3.8
Все верно, код из 120 строк с библиотекой Pandas и Datetime собран в программу весом почти 220 Mb. Данный метод компиляции не оптимизирует включение только необходимых библиотек, поэтому нужно быть готовым к тому, что его размер будет занимать достаточно объема.
Добрый день! Приложите, пожалуйста, полный скрин с ошибкой, версию python и библиотеки fitz. Возможно, у вас более ранняя или поздняя версия библиотеки, в которой отсутствует атрибут, описанный ранее.
Спасибо за ваш комментарий! В указанном вами примере реализация функционала бота происходит по-другому.
👍
Очередность статей не установлена, может подойдет еще вот это https://newtechaudit.ru/kak-v-usloviyah-nedostatka-dannyh-uluchshit-kachestva-klassifikatora/
В сообществе команда авторов, которые делятся опытом решения различных задач разными методами. По теме, поднятой в данном материале, можем порекомендовать следующие посты: https://newtechaudit.ru/overfitting/ или https://newtechaudit.ru/linejnaja-regressii/
Спасибо за совет)
«u202a» - символ юникода обозначающий вставку слева-направо. Считайте строку, а потом извлеките этот символ из строки методом strip.
Решение вашей проблемы описано здесь: https://stackoverflow.com/questions/49267999/remove-u202a-from-python-string
Либо используйте необработанные строки.
Подробнее о необработанных строках тут: https://pythonim.ru/string/neobrabotannaya-stroka-v-python
Добрый день! Уточним информацию, вернемся с ответом )
Видимо, не включили (
Здравствуйте, исходный код представлен в материалах публикации, более подробную информацию, к сожалению, не сможем выложить, т.к. задача решалась в рамках рабочего проекта. Спасибо за интерес!
Конечно, 100% вероятность не распространяется на экспертов, кто владеет навыками извлечения ключа шифрования, но для обычных пользователей такой способ будет более, чем достаточен.
Благодарим за интерес 👍
Помните, что установка производится на Jupyter notebook. Не забудьте включить в терминале расширения. Попробуйте переустановить с помощью терминала:
pip install jupyter_contrib_nbextensions
jupyter contrib nbextension install --user
jupyter nbextension enable varInspector/main
Надеемся вам поможет
👌 у нас много интересных задач, рады помочь
В данной "пробной" версии алгоритма мы работали только с телом и заголовком, но добавление такого функционала может быть следующим этапом развития инструмента.
👍
Иногда проще прочитать всё в виде строк, а потом отдать все на милость получателя данных. Ключевой момент здесь - возможно ли это в принципе. И особенно важно - возможно ли в автоматическом режиме.
Сначала тоже пользовался "костылями" - писал try - expert на тот случай, если заголовок таблицы оказывался смещен на одну строку вниз. Но у меня было всего 30+ файлов, и вариация смещения заголовка была одна(боюсь, сколько использованных try-export пришлось бы писать на 100+ файлов). И заголовок получался не презентабельным, из-за того, что был в оригинале многострочным. С этим была просто беда.
Недавно так же был случай с файлом XLSX на 3GB - вот это был реально монстр. Excel его попросту не смог открыть за обозримую вечность - и каждый лист был без указания диапазона, и содержал 10480000 строк. Здесь важно отметить, что строки в памяти, всё-таки, занимают куда больше места, чем числа или даты/время - и особо разница ощутима если не пользовались PyArrow/Polars. Боюсь, Apache Parquet. Дальнейшая работа с ними в Polars была весьма проста и быстра)
Да, это странный и ужасный пример, но весьма реальный, к сожалению. Кто знает каким инструментом этот файл был создан...