Comments 4
Интересно, чем обусловлен такой выбор ML классификаторов?
Вполне известный факт, что sklearn-классификаторы - не production grade, так что сравнивать имеет смысл с чем-нибудь типа LGBM/CatBoost
Доброго времени суток! Я выбирал классификаторы, которые могут дать тот же результат с точки зрения точности. Они может быть, не самого высокого уровня, но результат дают корректный и обучаются гораздо быстрее, чем нейронная сеть. А в результате тестовых запусков, получается, что рост длительности тренировки становится больше чем рост числа входных тренировочных данных. Насчет временной сложности LGBM/CatBoost, думаю что я рассмотрел бы в какой-то следующей статье. Не разбирался пока, можно ли здесь редактировать то, что промодерировано.
Это начало чего-то большего. ИИ - это будущее!
Снова конспекты лабораторных работ
Решение задачи классификации при помощи Deep Learning и классического Machine Learning