O próximo episódio dessa série será AO VIVO no sábado, 05/06, 17h, Seleção e codificação de variáveis para Machine Learning | Mãos à Obra Cientista de Dados #03: th-cam.com/video/rwqgVzWbq8w/w-d-xo.html
Primeiramente, obrigado pelo conteúdo . Todo o conteúdo tem me ajudado muito a aprender sobre data science. A qualidade de vocês se destaca! Acho que seria bacana colocar na descrição do vídeo um link do GitHub para acessar o banco de dados e o notebook criado durante o vídeo. Abraço!
Boa noite e parabéns pelo vídeo! Uma dúvida em relação ao atributo código do município que vc citou. Ele, apesar de ter sido importado como número, não é categórico nominal? Não teríamos que converter seu tipo para object e aplicar a técnica de one-hot?
Eu sei que já teve uma live longa sobre esse assunto, mas você pensa em fazer uma série (vídeos curtos) detalhando o raciocínio ou passo-a-passo pra resolver aquela competição do Kaggle? Dos housing prices
Quanto aplico o one hot encoder os nomes das minhas colunas se alteram... ele assume 1, 2, 3, 4 ao final do nome da coluna, e como tenho mais de 50colunas no df não consigo saber de qual delas se trata... existe algum parâmetro que deve ser utilizado no fit transform para que isso não aconteça?
Sim, porém quando lidamos com conjuntos de treino, validação e teste separados funciona melhor usarmos Encoders que podem ser reaplicados segundo o mesmo "fit". Vamos falar mais sobre isso na live de sábado 😉 th-cam.com/video/rwqgVzWbq8w/w-d-xo.html
Valeu, Rodrigo! Quanto ao problema das cores, tenta escolher um conjunto de cores representativas pro seu problema - sugiro usar um espaço de cor por luminância e crominância ao invés do RGB. Daí, tente classificar a nova cor com o algoritmo K-NN th-cam.com/video/DeAuVrhKw58/w-d-xo.html. Não testei, mas eu tentaria uma abordagem nessa linha num primeiro momento e ajustaria conforme o resultado.
O próximo episódio dessa série será AO VIVO no sábado, 05/06, 17h, Seleção e codificação de variáveis para Machine Learning | Mãos à Obra Cientista de Dados #03: th-cam.com/video/rwqgVzWbq8w/w-d-xo.html
Com certeza, um dos canais mais didáticos para aprender Python e Ciência de Dados no Brasil é o de vocês. Parabéns pelo belo trabalho.
Muito obrigada! 🙌🏾
Me ajudou bastante.
Que ótimo!
Explicação excelente, não tinha visto um vídeo tão didático e organizado!! Parabéns e muito obrigado!!
Valeu, Fábio!
Uau!! Amei esse vídeo e esse canal! Parabéns!!
Seja bem-vinda, Jacqueline!
Você me ajudou muito, sou muito grato, sucesso sempre!!! 😊
Valeu!
Muito obrigada, você é fera!
Valeu!
Excelentes explicações!
Muito obrigada!
Primeiramente, obrigado pelo conteúdo . Todo o conteúdo tem me ajudado muito a aprender sobre data science. A qualidade de vocês se destaca!
Acho que seria bacana colocar na descrição do vídeo um link do GitHub para acessar o banco de dados e o notebook criado durante o vídeo.
Abraço!
Fantástica explicação, muito obrigado!
Boa noite e parabéns pelo vídeo! Uma dúvida em relação ao atributo código do município que vc citou. Ele, apesar de ter sido importado como número, não é categórico nominal? Não teríamos que converter seu tipo para object e aplicar a técnica de one-hot?
Você é ótima! PArabéns pelo trabalho!
Obrigada!
Esse é o melhor canal disparado
😊😊 valeeu!
Excelente explicação e conteúdo!
Obrigado 😃
Eu sei que já teve uma live longa sobre esse assunto, mas você pensa em fazer uma série (vídeos curtos) detalhando o raciocínio ou passo-a-passo pra resolver aquela competição do Kaggle? Dos housing prices
Vamos continuar trabalhando em cima dessa competição por mais duas lives 😉 vamos retomar tópicos que pulamos. A próxima é sábado (05/06), 17h. Bora?
q canal maravilhoso
De nada, seja bem vinda! 🙌🏾
Quanto aplico o one hot encoder os nomes das minhas colunas se alteram... ele assume 1, 2, 3, 4 ao final do nome da coluna, e como tenho mais de 50colunas no df não consigo saber de qual delas se trata... existe algum parâmetro que deve ser utilizado no fit transform para que isso não aconteça?
Tenho a mesma dúvida, você conseguiu?
Help me! 😪
@@daianesilva6973 tenta use_cat_names = True
@@carol_carol439 obrigada
Você pode explicar porque que ele deixou a primeira linha toda lá como "1"? eu achava q colocaria A = 1, B =2 ...
Excelente conteúdo, muito prático e com ótimas referências. Parabéns e obrigado por compartilhar com a comunidade ;-)
Disponha!
Eu precisaria normalizar após realizar o ordinal encoding?
Tou adorando essa serie... #cienciadedados
Valeeeeu!
Muito bom.
Obrigada!
#ciência de dados!! Seus vídeos são ótimos!!
Muito obrigada 😊
#cienciadedados legal, Kizzy! Bem didático e prático :)
Obrigada Clarissa!
Professora, ele funciona igual ao get dummies? Obrigado pela aula!
Sim, porém quando lidamos com conjuntos de treino, validação e teste separados funciona melhor usarmos Encoders que podem ser reaplicados segundo o mesmo "fit". Vamos falar mais sobre isso na live de sábado 😉 th-cam.com/video/rwqgVzWbq8w/w-d-xo.html
esse parametro cols do One Hot Encoder não funcionou e nao existe na documentacao oficial, n sei como funcionou no video...
Excelente conteúdo #cienciadedados
Obrigada!
Ótimo video #cienciadedados
Obrigada!
#CiênciasdeDados
Excelente canal, vocês são incríveis.
Estou precisando de uma ajuda, um algoritmo para reconhecimento de cor. Help me! rs...
Valeu, Rodrigo! Quanto ao problema das cores, tenta escolher um conjunto de cores representativas pro seu problema - sugiro usar um espaço de cor por luminância e crominância ao invés do RGB. Daí, tente classificar a nova cor com o algoritmo K-NN th-cam.com/video/DeAuVrhKw58/w-d-xo.html.
Não testei, mas eu tentaria uma abordagem nessa linha num primeiro momento e ajustaria conforme o resultado.
Esse livro atrás (fundação). É do seriado ? Kkk
Sim, a série da Apple é baseada nesta trilogia.
#cienciadedados
Valeu Ricardo!
#cienciadedados
🙌🏾😁
#cienciadedados
Valeu!