PCA

Da verstehe ich doch fast die ‚Principal Components Analysis‘ dank diesen Blogeintrag. Im Buch ‚Stromhandel‘ von Borchert, Schemm, Korth konnte ich es damals nicht ganz nachvollziehen. Aber eigentlich spiele ich gerade im sklearn Tutorial von Datacamp rum.

Und das ist ein wunderbares Tutorial. Mit dem oben genannten Link zum PCA-Blog-Eintrag. Aber auch diesen Link zum Algorithm-Choice-Cheatsheet für sklearn.

[Edit:] Caveat: das Support Vector Machine Teil sklearn.model_selection.GridSearchCV.fit() braucht lange. Sehr lange. Ich weiß noch nicht, wo das Problem liegt, aber da liegt dann wahrscheinlich der Lerneffekt.

[Edit] Aus dieser Diskussion entnehme ich, dass das Problem in der joblib Module liegt (dieser?). Wenn ich GridSearchCV() mit njobs=1 aufrufe (bedeutet, das alles in einem Prozess stattfindet), habe ich kein Problem. In der genannte Github Diskussion wurde noch viel tiefgehender diskutiert, aber diese Lösung reichte mir und ein tiefer gehendes Wissen brauch ich an der Stelle gerade nicht.

svm

Advertisements

One Trackback

  1. […] ich jetzt Support Vector Machines per copy and paste eingesetzt habe, will ich sie auch verstehen. Das Tutorial scheint mir etwas anspruchsvoll, also werde ich […]

Einen Kommentar schreiben

Required fields are marked *

*
*

%d Bloggern gefällt das: