В этом обзоре нет такой библиотеки. Для вашей задачи нужно смотреть в сторону фреймворков, которые позволяют дообучать foundation models и в сторону HF transformers. Есть H2O LLM Studio с открытым кодом и GUI интерфейсом. Но совсем новичку, увы, не получится её развернуть и использовать.
Спасибо! Полезно. Изначальное название регрессии к среднему - "стремление к посредственности", сильно лучше позволяет в двух словах донести суть явления среднему обывателю :))
я сказал вам "бред" на слова "Не браться за заказ..." Хотите открою вам большую тайну? 95% заказчиков срать на дизайн сайта вообще и на фотографию луны, которую вы для них снимете собственоручно в частности. Им, заказчикам, задачи своего бизнеса надо решать, а не делать "красиво" и уникально. "Красиво" хотят PR манагеры, а они у нас в России, по-моему, вообще как класс мертвые напрочь.
Что касаемо школьников, дык бога ради. Пусть делают, мне не жалко.
В этом обзоре нет такой библиотеки. Для вашей задачи нужно смотреть в сторону фреймворков, которые позволяют дообучать foundation models и в сторону HF transformers. Есть H2O LLM Studio с открытым кодом и GUI интерфейсом. Но совсем новичку, увы, не получится её развернуть и использовать.
Уточните пожалуйста - без знания языка какого? И пример задачи, которую новичок решает?
Будете делать его Open Source?
В Anki не заводили?
Как пример, что сделала победившая команда (Дмитрий Гордеев и Константин Яковлев) с метрикой SMAPE+1 в соревновании по Паркинсону. Оригинал сообщения на англ тут
SMAPE1P:
MAPE / SMAPE / SMAPE1P очень хитрая метрика для GBT:
Требуется кастом лосс или трансформация через L1 (а L1 в свою очередь никогда не бывает оптимальным выбором для GBT)
Мультимодальность
Zero inflation https://en.wikipedia.org/wiki/Zero-inflated_model
….
Парни сделали такой хак, который забустил метрику SMAPE1P:
Step 1: Multiclass Classification
params = { 'boosting_type': 'gbdt', 'objective': 'multiclass', ... }
Step 2: Train model (could be xgboost catboost lgbm)estimator.train(...)
Step 3: Predict probabilities:probas = estimator.predict(...)
Step 4: Make direct SMAPE1P optimization from probabilitiesdef single_smape1p(preds, tgt):
x = np.tile(np.arange(preds.shape[1]), (preds.shape[0], 1))
x = np.abs(x - tgt) / (2 + x + tgt)
return (x * preds).sum(axis=1)
def opt_smape1p(preds):
x = np.hstack([single_smape1p(preds, i).reshape(-1,1) for i in range(preds.shape[1])])
return x.argmin(axis=1)
final_predictions = opt_smape1p(probas)
По моему гениально...
Спасибо! Полезно. Изначальное название регрессии к среднему - "стремление к посредственности", сильно лучше позволяет в двух словах донести суть явления среднему обывателю :))
Что касаемо школьников, дык бога ради. Пусть делают, мне не жалко.
"This product and its maker are NOT affiliated with, approved or endorsed by David Allen or David Allen & Co"
не разобрался можно ли там сделать подпроект в проекте