6
Devo escalonar minhas entradas? A reposta é: depende.
A verdade é que escalonar seus dados não irá piorar o resultado, então, na dúvida, escalone.
Casos em que se deve escalonar
Se o modelo se baseia na distância entre os pontos, como algoritmos de clusterização (k-meas) ou redução de dimensionalidade (PCA), então é necessário escalonar/normalizar suas ...
respondida 7/01/20 às 0:12
AlexCiuffa
2.35522 medalhas de ouro77 medalhas de prata1919 medalhas de bronze
3
Realizei recentemente o mesmo estudo,e consegui resolver o mesmo problema ao abrir o arquivo "bacteria.fasta" com o software Sublime Text e apagar as duas primeiras linhas que não possuem informações referentes ao código genético.
Após salvar, o erro não apareceu novamente.
Att.
2
Uma maneira simples de contornar esse problema é usando a função read_excel do pandas, passando o parâmetro skiprows com o numero de linhas que queres ignorar antes da tabela começar na folha do excel:
import pandas as pd
df = pd.read_excel("file.xlsx",
sheet_name = "Sheet1",
skiprows = range(0, 10) # ignora as ...
2
Kioolz,
Você tem alguns erros, vamos ver um a um.
Seu primeiro erro está na linha do print:
print ("Este é o valor da soma dos produtos entre as amostras e seus respectivos pesos", PiXi)"
Você deixou uma aspas duplas no final, basta remover:
print ("Este é o valor da soma dos produtos entre as amostras e seus respectivos pesos", PiXi)
Corrigindo esse ...
respondida 6/12/19 às 16:58
Daniel Mendes
6.19122 medalhas de ouro88 medalhas de prata2121 medalhas de bronze
2
Bom, para entender essa questão, é ilustrativo iniciar apresentando a diferença conceitual entre modelos de Machine Learning supervisionados e não supervisionados. Começando pelos últimos, os modelos não supervisionados são modelos que procuram fazer uma estimação em um contexto que a variável de resposta não é conhecida. O caso clássico são implementações ...
2
Por que os dados precisam ser divididos?
É esperado que um algoritmo de ML aprenda com o conjunto de treino, mas depois como sabemos se o modelo ficou bom? Se funciona com novos dados? Como comparamos com outros modelos?
A resposta é simples, vemos a pontuação (acurácia) no conjunto de teste. Essa pontuação nos diz quão bem o modelo irá se comportar com ...
respondida 27/12/19 às 12:38
AlexCiuffa
2.35522 medalhas de ouro77 medalhas de prata1919 medalhas de bronze
2
Você pode resolver isso usando a função .map() passando uma Series para ela, desta forma:
dataset_original = pd.DataFrame({'Grau de instrucao': ['1','2','3','4','5','6','7','8','9','10','11','-1']})
s = Grau_Instr_Bibli.set_index('Valores na fonte')['Categoria']
dataset_original['GrauNovo'] = dataset_original['Grau de instrucao'].map(s)
#saida do ...
1
O problema deve estar na forma como os dados são lidos do Google Drive. O ficheiro do link é um ficheiro CSV com vírgulas como marcador para as decimais. E o separador de colunas é o ponto-e-vírgula, ";". Para ler ficheiros neste formato CSV deve-se usar o read.csv2.
library(gamlss)
ModelGamlss <- gamlss(
log(Var1) ~ re(fixed = ~ log(Var2) + ...
respondida 5/04 às 15:05
Rui Barradas
14mil22 medalhas de ouro99 medalhas de prata2020 medalhas de bronze
1
Seria legal você postar o data frame mas você poderia fazer algo assim:
df.groupby(['|ID_Cliente','Date_Criação'], as_index=False)['Compra'].sum().sort_values(by='Compra', ascending=False)
Supondo que Data_Criaçãoseja o campo com duplicados e Compra seja o campo que você quer somar.
1
Você pode utilizar o replace com um dicionário.
Importando o pacote:
import pandas as pd
Criando o primeiro data frame:
Grau_Instr_Bibl = {'Categoria': ['Analfabeto', 'Até 5ª Incompleto', '5ª Completo Fundamental', '6ª a 9ª Fundamental', 'Fundamental Completo', 'Médio Incompleto', 'Médio Completo', 'Superior Incompleto', 'Superior Completo', 'MESTRADO', '...
respondida 13/11/20 às 10:47
lmonferrari
3.46111 medalhas de ouro44 medalhas de prata1919 medalhas de bronze
1
O seu código está com dois problemas:
Primeiro o seu problema está acontecendo porque sua variável dia_mes_ano só vai armazenar o último valor do loop, isso faz com que todos os seus meses sejam iguais.
Segundo o pandas é uma ferramenta eficente para trabalhar planilhas muito grandes. Se você fizer um loop que percorre toda a planilha você vai fazer isso de ...
1
Imports:
import pandas as pd
Carregando os dados:
df = pd.read_csv('https://raw.githubusercontent.com/Renatolopo62/IFNMG-Januaria/master/dados/dados_padronizados_matriculas_januaria_2009_2018.csv')
Convertendo o data frame todo para tipo string para poder manipular:
df1 = df.applymap(str)
Selecionando quais colunas irão gerar a nova coluna ID:
df1['ID'] =...
respondida 6/09/20 às 12:58
lmonferrari
3.46111 medalhas de ouro44 medalhas de prata1919 medalhas de bronze
1
Talvez o problema seja com a precisão da variável. Altere a linha 12 de
while (i!=0.000007):
para
while (i<=0.000007): # menor ou igual a 0.000007
O comentário abaixo de @EltonNunes é perfeito. Apenas complementando: comparações de inequalidade (!=) são problemáticas quando utilizando operações de ponto flutuante dada a imprecisão à medida em que ...
respondida 21/01/20 às 16:54
OnoSendai
36mil33 medalhas de ouro6262 medalhas de prata116116 medalhas de bronze
1
Sendo bem didática e direta, o conjunto de treino é a base que você fornece a sua IA para ela aprender. Então esse conjunto ela já conhece. Após treinar uma IA é comum precisar analisar o quão boa ela está, para isso é necessário fornecer um conjunto de dados que ela nunca foi treinada e ver o quão bem ela se sai na classificação dos dados. Se for ...
1
O output do método pivot_table é um DataFrame, como pode ser visto na documentação. Desse modo, basta utilizar o método de DataFrame sort_values. No seu caso:
impute_grps.sort_values(by = "winPlacePerc", ascending = False)
Para mais detalhes, veja a documentação do método sort_values
Apenas as respostas wiki não pertencentes à comunidade mais votadas e de um tamanho mínimo se qualificam
Tags relacionadas
data-science × 37python × 27
pandas × 19
matplotlib × 6
data × 4
python-3.x × 3
r × 3
csv × 3
data.frame × 3
dataframe × 3
html × 2
banco-de-dados × 2
selenium × 2
google × 2
web-scraping × 2
machine-learning × 2
excel × 1
terminologia × 1
modelagem × 1
rstudio × 1
plot × 1
regressão × 1
chart × 1
planilhas × 1
normalização × 1