サクサク読めて、アプリ限定の機能も多数！
タグをすべて表示
pandasで速いコードを書きたかったらiterrowsとapplyとtransformを使うなおじさん「pandasで速いコードを書きたかったらiterrowsとapplyとtransformを使うな」 https://t.co/DLmWsBvAUG
ランキング
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
1
https://twitter.com/mamas16k/status/1674528511519002624?s=12&t=suYC6B2IhN7jv0qU5zDxmQ
mamas on Twitter: "この記事、マジで神よ https://t.co/tgSUlk9kmU"
https://twitter.com/mamas16k/status/1508001575603949568
mamas on Twitter: "これはとても良い指摘で、GBDTは外挿が出来ないのでトレンドを持ったデータを扱うのに向いてないのは事実。（だから、ARIMAと併用するのは重要だと思う）"
mamas on Twitter: "target encodingっていう古の技術は、LightGBMやCatBoost (Ordered TS)がcategorical features supportとして内部的に行ってくれるからあまりユーザー側が意識しなくなった機能なんだけど、久しぶりに色々と考えたな。"
mamas on Twitter: "しかし、lightgbmのcategorical featuresも実質的にtarget encodingを採用しているので、好ましくはないとは言っても結局皆使ってはいるんだよね。"
mamas on Twitter: "permutation invarianceこそがTransformerの強力な部分なんだよなー。でもこの性質ってNLPだと大して役に立たないので、最初にNLPで出るべき手法だったという感じは全くしない"
まます on Twitter: "pandasで速いコードを書きたかったらiterrowsとapplyとtransformを使うなおじさん「pandasで速いコードを書きたかったらiterrowsとapplyとtransformを使うな」 https://t.co/DLmWsBvAUG"
まますたん on Twitter: "https://t.co/x08WT2Xk3G"
mamas on Twitter: "supplementaryにこんなこと書いてるんだけど、MLP云々よりもこっちの方が衝撃なのでこっちの方を論文にして欲しい。early stoppingしないでlrとroundsチューニングした方が精度が出るとかいう衝撃の主張をし… https://t.co/XQjJWsDpcf"
mamas on Twitter: "2019からテーブルコンペが減ったし、単にコンペの種類が変わったっていう話だと思う。後はまあ、「生の系列を入力にしたNN > 系列から特徴抽出してGBDT」に段々なってきたっていう傾向もあると思う。この図表にあるような、系列データ… https://t.co/ayDum8JnS4"
mamas on Twitter: "@bilzrd 詳しくはここに書いてあるので見ると良いと思います。基本的に低い方が良いので、特にサーチする意味がないです。https://t.co/9PUKRrDdQe"
mamas on Twitter: "outdoorもindoorに続いてカルマンフィルタ（正確にはカルマンスムーザ）ゲーになってるらしい。カルマンフィルタがkaggleの主流になる日も近いな（大嘘） https://t.co/VOK2WA5Q9i"
mamas on Twitter: "K-Fold CV、特徴選択時に使うと激しくoverfitするという地獄に気付いてからあまり使わないようになった。foldごとに特徴変えるのは地獄過ぎるからなあ。"
mamas on Twitter: "kaggle dockerの価値って過小評価されてる気がしていて、「一切自分で環境構築を行いたくない😡」っていう人はやっぱり絶対使ったほうがいい気がする。重いけど。。。"
mamas on Twitter: "Transformerの真の強みはpermutation invarianceなので、集合データが狙い目ってのはそう。系列データは近傍の重要性が低いものは使えるけど、逆に言えば近傍が重要なものはRNN系に勝てないのでRNNをreplaceしてるっていうわけでは全くないかな"