Atzara dzēšana ir neatgriezeniska, kā arī tā ir NEATGRIEZENISKA. Vai turpināt?
Etiķetes
Nav etiķešu
Atskaites punkts
Nav atskaites punktu
Atbildīgie
Nav atbildīgo
14 dalībnieki
Paziņojumi
Izpildes termiņš
Izpildes termiņš nav uzstādīts.
Atkarības
Šai problēmai pagaidām nav nevienas atkarības.
Notiek ielāde…
Vēl nav satura.
Dzēst atzaru '%!s(MISSING)'
1）完成5.1.5中简答题（1），命名为sy5-1-1.txt。
2）完成5.1.5中实践题第1题，无源码素材，按题目要求命名。
3）完成5.1.5中实践题第2题，源码素材见sy5-1-2.py，按题目要求命名。
以上作业不迟于周六上午9点，提交至水杉码园“学号”仓库的homework10分支下。
水杉码园上的本次作业要求：https://gitea.shuishan.net.cn/AI-B.Liuyao.2022Spring.XinYuan/AllStuRead/issues/14
腾讯工蜂上的本次作业要求：https://git.code.tencent.com/AI-B.Liuyao.2022Spring.XinYuan/lesson10/issues/1
腾讯工蜂上的本次课程材料（课件及素材等）：https://git.code.tencent.com/AI-B.Liuyao.2022Spring.XinYuan/lesson10/tree/master
简答题和实践题第一题命名好像重复了，需要修改吗？
没关系，后缀不同
助教助教，请问这个数据归一化后像46和50这样的数据都被归为了1，这样会不会对后续训练的结果产生影响啊？有没有办法可以提高这个归一化的精度呢？谢谢！
小伙伴你好，归一化操作是以每列为一组进行操作的
不考虑列之间，也就是各特征之间的相关性，如此归一化是没有影响的。
请问转换器实例化时，前面的不是“minmax_scaler”而是别的名字会有影响吗？
没有影响，此类问题建议自己做做小实验。
好的！谢谢助教~
老师，5-1-2没说划分前用不用重排，这种情况是不用重排的意思吗？还是说这种情况按那个默认为True？
设置shuffle为False的话，题中对随机数种子的设置就没意义了
好的 谢谢 懂了 是我理解错了
请问第一题生成随机矩阵，应该用哪一个函数呢？random.randint还是random.uniform?
randint是随机整数，uniform是均匀分布浮点值，似乎不随机？那随机浮点数用什么？
老师好，我想问一下转换器实例化有什么意义吗，为什么一定要进行一次转换器实例化之后才能对数据进行处理呢
random和randint的区别不就是生成整数值还是浮点值嘛？如果没有特别说明的话应该都是可以的吧
同问同问 我也很好奇（放一个耳朵
谢谢babe 那我就随便用了
都是均匀分布的。。。看错了。好像无所谓哪个了吧~但是均匀分布是随机吗？
建议记为一种规范用法。
我的粗浅解释是：实例化相当于创建一个专用转化器，处理数据时的数据被记录在该实例化对象中，此后可基于原数据产生的模型对新数据进行处理，如样例所示（尽管对于归一化而言这样处理是有问题的，但对于不少处理这种处理方式的继承是有意义的）。
请问第一题是在归一化的基础上正则化还是分别归一化正则化呢？