Программирование, т. 7

vova где работаешь?

vova где работаешь?

по реакции людей на его появление, прочтению одной страницы его профайла и тому что он тут писал в последней дискуссии то это или непризнаный эйнштейн или просто чсв долбоёб

место работы соответствующее

в любом случае думаю ответ на этот вопрос мало изменит

Изменено 16 сентября 2017 пользователем TheDeadSkin

 

 

по-моему F это именно бинарная метрика,

 
F работает на любом количестве классов, если все свести к куче бинарных классификаций:
https://sebastianraschka.com/faq/docs/multiclass-metric.html

енивей, спасибо за полотно, буду дальше читать/гуглить

ну собственно по этой ссылке просто 1в1 то что я описывал в прошлых постах, только без ненужных трансформаций типа (1 - ошибки/размер класса) а сразу (правильные/размер класса)

 

микро это как раз тотал рейт

макро это среднее индивидуальных точностей, а если индивидуальную точность считать по формуле PRE только везде подсунув индекс то это как раз моя формула, только юзая другие переменные

 

правда это уже нихуя не F1, одно только название осталось, т.к. в статистике она чисто бинарная

 

ты имей ввиду другое

 

"It really depends on our “goal” and our dataset. Classification Accuracy (or misclassification error) makes sense if our class labels are uniformly distributed."

 

это НЕ твоя ситуация, т.к. жирное условие не выполнено, но это лучше чем ничего, просто надо шаманить с ними типа как я писал чтоб брать среднее между (так как они это называют) макро и микро

а ещё я не понял что имеется ввиду под вот этим "assuming we have a One-vs-All (OvA) classifier"

Изменено 16 сентября 2017 пользователем TheDeadSkin

"It really depends on our “goal” and our dataset. Classification Accuracy (or misclassification error) makes sense if our class labels are uniformly distributed."

это по идее про accuracy. тогда все верно, но F это не accuracy.

или я чего-то не понимаю)

 

 

а ещё я не понял что имеется ввиду под вот этим "assuming we have a One-vs-All (OvA) classifier"

есть 2 способа мультиклассовую задачу свести к бинарным:

1. one vs all - когда каждый класс сопоставляется со всеми остальными и по каждому в таком случае можно запилить матрицу ошибок (true positive, true negative ..., etc). Число классификаторов при этом линейно и равняется количеству классов.

2. all vs all - все тоже самое, но каждый с каждым (число классификаторов - квадратично).

отличие первого от второго в том, что второй способ обучается на маленьких выборках, поэтому лучше работает для дизбалансных датасетов, а первый на всей выборке. и сверху для метрики можно заюзать macro-average. для макро каждый класс вносит одинаковый вклад в оценку, а для микро - зависит от баланса.

все вроде пиздато для моей истории, только вот количество классов в моем кейсе ебанистическое и all-vs-all будет выполняться очень долго, поэтому я, наверное, для начала уменьшу количество классов насколько это возможно.

Изменено 16 сентября 2017 пользователем Supremus

 

"It really depends on our “goal” and our dataset. Classification Accuracy (or misclassification error) makes sense if our class labels are uniformly distributed."

это по идее про accuracy. тогда все верно, но F это не accuracy.

или я чего-то не понимаю)

 

как раз таки F это именно accuracy

это метрика точности статистического теста, где ты тестишь гипотезу, отсюда и параметры TP/FP

но то что ты делаешь это не стат-тест, поэтому у тебя не существует FN/FP как видов ошибок

из-за этого я с самого начала и говорю что F1 тут нахуй не нужен

 

и кстати формулы которые там указаны якобы F1 обобщён на мультикласс это какая-то хрень и к F1 имеет весьма посредственное отношение, но для этой задачи они тем не менее вполне правильны

 

вот про стат тест: https://en.wikipedia.org/wiki/Statistical_hypothesis_testing

и соотв. ошибка type I = FP, type II = FN

 

есть 2 способа мультиклассовую задачу свести к бинарным:

1. one vs all - когда каждый класс сопоставляется со всеми остальными и по каждому в таком случае можно запилить матрицу ошибок (true positive, true negative ..., etc). Число классификаторов при этом линейно и равняется количеству классов.

2. all vs all - все тоже самое, но каждый с каждым (число классификаторов - квадратично).

понял

ну all vs all как по мне тут излишен, если ты говоришь что у тебя огромное кол-во классов что тебе AvA всё-равно никак не поможет вообще, ты тупо не просмотришь эту таблицу

 

его можно заменить на OvA рейт ошибки выдачи класса, а не получения, чтоб рассамтривать их вместе и смотреть какие классы отжимают у других определения

при получении у тебя ж как: TP_k = правильно опеределённый k класс, FP_k = неправильно определённый k класс, сумма это все получения классов k, т.е. кол-во реальных k

 

TP_k = правильно выданые k классы

FP_k = неправильно выдание k классы

TP_k+FP_k = все выдачи k класса, т.е. кол-во предполагаемых программой k

 

и это даст более-менее полную картину в большинстве ситуаций

обычная метрика игнорит какой класс выдало при ошибке, то что выше игнорит кому выдали ошибку и обращает внимание на то какой был выдан при ошибке

 

считаю достойной альтернативой для упрощения задачи AvA чтоб не считать квадратичную таблицу по классам

 

и сверху для метрики можно заюзать macro-average. для макро каждый класс вносит одинаковый вклад в оценку, а для микро - зависит от баланса.

это понятно, микро даёт слишком много импакта группам больших классов, макро даёт слишком много импакм большим группам малых классов

как обычно истина где-то посредине, а средина для начала пусть находится на (a+b)/2 а дальше смогтри

 

не забывай о том что я писал с самого начала - ты можешь считать как микро так и макро на подмножества классов, а не обязательно на все

Изменено 16 сентября 2017 пользователем TheDeadSkin

 

vova где работаешь?

по реакции людей на его появление, прочтению одной страницы его профайла и тому что он тут писал в последней дискуссии то это или непризнаный эйнштейн или просто чсв долбоёб

место работы соответствующее

в любом случае думаю ответ на этот вопрос мало изменит

 

он хохол

 

Скажите, что я не единственный, кто чувствует себя тупым, пытаясь вникнуть в эту дискуссию

Пожалуйста

Просто проскроллил это, чувствую себя хорошо

чтоб говнокодить вот то что они обсуждают понимать не обязательно

вот я и не заморачиваюсь

Vova теперь тут на постоянке будет ?

Да. Следующий топан будет создан под маскировочным псевдонимом, название всем в лс вышлют

можете завести чатик в телеге

Ребят,есть годные уроки на python?

CERF

Как вы заебали каждые три страницы стпрашивать про ебучие уроки на питоне ссаном 

учи плюсы, сука.

учи плюсы, сука.

сынок это ты мне ?

Ребят,есть годные уроки на python?

 

Завтра ищешь в интернете книжку Dive into python. Похуй если ничего не поймешь. Затем идешь на python.org и изучаешь стандартную библиотеку от корки до корки. Потом зубришь, именно, сука, вызубриваешь конвенцию по написанию питоньего кода - PEP8, чтобы от зубов отскакивало. Когда напишешь свою первую имиджборду, по пути изучив верстку на html+css, скачиваешь и изучаешь любой питоний асинхронный вебсервер, рекомендую Tornado или Gevent. Как переделаешь имиджборду, чтобы выдавала по крайней мере 5 тысяч запросов в секунду, можешь идти дальше - тебя ждет увлекательный мир хайлоада. Apache Hadoop, сверхбыстрые асинхронные key-value хранилища, MapReduce. Отсос хиккующих выблядков / просто неудачников типа рейфага или сисярп/джава-хуесосов, которые сосут хуй по жизни не заставит себя ждать и уже через пол года ты будешь получать такие суммы, что любая баба будет течь при одном упоминании твоей зарплаты.

Привет, парни.
 

Как симулировать клики мыши/ввод клавиатуры в стиме? 
SendMessage/PostMessage не обрабатываются стимовским клиентом. 

SendInput туда же.

 

В spy++ я вообще не вижу, чтобы он как либо WM_LBUTTONDOWN/WM_LBUTTONUP обрабатывал.

стим имеет довольной ебанутый с точки зрения WinAPI интерфейс, я сам его копал через спай++ и подобные утилки - глухой номер абсолютно

посылй клики не в конкретное окно, а чем-то типа вниз-вверх, хз