Официальные зеркала KRAKEN
Выбирайте любое KRAKEN зеркало.
Худра
Худра - Рабочие ссылки на kraken kramp.cc
С остальными вы сможете ознакомится в документации. Yaml копия файла конфигурации, переданного через декоратор в функцию. Делаем предсказание и подсчитываем скор. Запускать каждый из них по отдельности, перебирая всевозможные варианты утомительно. Hydra русскоязычная торговая площадка в сети, признанная крупнейшим маркетплейсом даркнета. Но это не удобно и очень скоро ваша папка с проектом превратится в мусорку. Дальше мы будем модифицировать части этого кода, исследуя разные возможности гидры. 22:48:25,656maininfo - MSE: 3414.61 Здесь мы попросили перебрать два конфига для датасета. Hydra торговая площадка в даркнете, которая работала только на русскоговорящие страны. Разные планировщики. Она считалась крупнейшим маркетплейсом даркнета: в 2021 году на ее долю приходилось 80 от всей общемировой выручки даркнет-маркетов, по данным отчета Chainalysis. Lgbmregressor learning_rate:.05 n_estimators: 100 max_depth: 9 verbose: -1 Обратите внимание на специальный ключ _target_ в котором указываем класс, который хотим задействовать для создания модели (при этом отдельно импортировать этот класс в приложении не нужно). Укажем дефолтную модель в базовом конфиге и уберем оттуда все предыдущие настройки модели: defaults: - dataset: ds1 - model: lgbm Запускаем: python3 dataset: name: ds1 columns: - age - bp - s1 - s2 - s5 - s6 target: target model: target: lightgbm. Если бы у нас были еще конфиги, например для моделей, то гидра бы сформировала и выполнила все их возможные комбинации. Добавим в нашу структуру новую папку model и два конфига под две модели: config - dataset - ds1.yaml - ds2.yaml - model - catboost. З.Ы. Исходники: m/facebookresearch/hydra Документация: /docs/intro/ Hydra это фреймворк для управления файлами конфигурации, заточенный под ML-проекты. Поможем сделать НИР Синонимы : вымышленное существо, единорог. В остальном код остался прежнем. Здесь мы использовали специальную функцию stantiate, через которую создали экземпляр модели, заданный в конфиге. Делается это посредством Compose API альтернативного способа загрузки файлов конфигурации. Конфигурация загружается как объект DictConfig, который похож на стандартный словарь питона, но предоставляет несколько дополнительных функций (например, вложенность).