Спасибо за задачу. Интересно посмотреть еще какие то задачи связанные с наукой. Начал учиться, посматриваю в сторону data science. Нужны примеры деятельности в профессии, так сказать трудовые будни)
Дружище, благодарю тебя! Разбирай еще задачи, все понятно, доходчиво, без лишней воды - одним словом Красавец!!! Было бы интересно послушать почему именно, линейная регрессия?
Не спец по DS, но некоторое время назад изучал аналитику данных. Действительно ли для данной задачи в рамках данного датасета будет релевантна модель линейной регрессии? Судя по анализу данных, линейная зависимость если и есть, то она крайне слабая. Ни в коем случае не несу никакого негатива, и буду очень благодарен, если конструктивно подтвердите или опровергните мое наблюдение!) Удачи в дальнейшей работе!
Не совсем понял , что мы предсказали. fire_area('09.08.2021', 42.940179, 47.519348,29,50,9,1007,'Луг') - это означает, что вероятность появления пожара площадью 43 га в месте с координатами 42.940179, 47.519348 при температуре 29 град., влажностью 50% , влажностью почвы 9% и атмосферным давлением 1007 при типе растительности 'Луг' равна ~17.5%? Так?
@@ValiShugaibov отличное видео, можно сказать единственное видео по этой теме где так легко и просто разъясняют, вот только одно не понятно, откуда здесь 17.5%?
Все бы ничего! Но «ихние», «как бы», это за гранью! Плюс английский 🙈 , head читается как хэд, голова то есть! Первые 5 строк, не рядов, выводит! И вроде делаешь все правильно, но когда все это слышишь, кажется, что чел вообще дай бог 9 классов закончил! Лиственный лес и темнохвойный вообще качественно на английский перевел 😅
спасибо за урок, но хотелось бы больше не про то, как вывести графики, а почему именно эти, почему зависимость именно по типам растительности и температуре, не учитываете координаты, климат? почему именно линейная регрессия?
Разбор задач на простых данных - это тема!!! Побольше таких видео!
Большое спасибо автору за данное видео. Очень хорошо и подробно объясняет материал, смотрел взахлёб))) ❤
Было интересно и понятно на первых порах, а на обучении модели почти не было объяснений. Но хочется больше реальных задач! Так держать👍🏻
Спасибо за задачу. Интересно посмотреть еще какие то задачи связанные с наукой. Начал учиться, посматриваю в сторону data science. Нужны примеры деятельности в профессии, так сказать трудовые будни)
Спасибо за урок! Было бы хорошо сделать какие-то выводы по результатам. Жду следующий урок❤
Спасибо за урок)
Снимай ещё! Интересно !
Спасибо, есть пару идей насчёт видосов, скоро будет)
Дружище, благодарю тебя! Разбирай еще задачи, все понятно, доходчиво, без лишней воды - одним словом Красавец!!! Было бы интересно послушать почему именно, линейная регрессия?
Не спец по DS, но некоторое время назад изучал аналитику данных. Действительно ли для данной задачи в рамках данного датасета будет релевантна модель линейной регрессии? Судя по анализу данных, линейная зависимость если и есть, то она крайне слабая. Ни в коем случае не несу никакого негатива, и буду очень благодарен, если конструктивно подтвердите или опровергните мое наблюдение!) Удачи в дальнейшей работе!
класс. все хорошо обьяснил
Хочу еще подобного!
Валя легенда!🙌🏻
Не совсем понял , что мы предсказали. fire_area('09.08.2021', 42.940179, 47.519348,29,50,9,1007,'Луг') - это означает, что вероятность появления пожара площадью 43 га в месте с координатами 42.940179, 47.519348 при температуре 29 град., влажностью 50% , влажностью почвы 9% и атмосферным давлением 1007 при типе растительности 'Луг' равна ~17.5%? Так?
да всё верно!
@@ValiShugaibov отличное видео, можно сказать единственное видео по этой теме где так легко и просто разъясняют, вот только одно не понятно, откуда здесь 17.5%?
Больше похоже что точность модели составила 17%, а какова вероятность пожара?
Если линейная регрессия и вся задача здесь - задача регрессии, почему мы используем accuracy - метрику классификации?
Все бы ничего! Но «ихние», «как бы», это за гранью! Плюс английский 🙈 , head читается как хэд, голова то есть! Первые 5 строк, не рядов, выводит! И вроде делаешь все правильно, но когда все это слышишь, кажется, что чел вообще дай бог 9 классов закончил!
Лиственный лес и темнохвойный вообще качественно на английский перевел 😅
согласен полностью
спасибо за урок, но хотелось бы больше не про то, как вывести графики, а почему именно эти, почему зависимость именно по типам растительности и температуре, не учитываете координаты, климат? почему именно линейная регрессия?
Доброго дня! Подскажите пожалуйста, где вы брали данные для проекта? Все открытые источники государства дают только площадь пожаров и все.
На kaggle много бесплатных датасетов, не только про пожары
А почему ошибка такая маленькая? Ведь чем accuracy ближе к 1 тем лучше.Получается, что прогноз не точный
не обязательно чтобы accuracy был ближе к 1, это всё равно не точно)
Ты работаешь в DS? И на момент записи видео работал?
занимаюсь backend'ом на python
@@ValiShugaibov а почему не data scientist ом?
@@p51v работу нашел в которой необходимы знания бекэнда
@@p51v скорей всего в ДС фиг попадешь если не можешь сам с нуля написать все функции из этих ДС пакетов питона и формализовать математику ))
Норм видос. молодец 👍
много гемороя то для обычный линейной регрессии))