Si tienes alguna pregunta, puedes hacerla a continuación o ingresar lo que estás buscando.
Históricamente he utilizado “sjPlot” para crear tablas de regresión con estilo APA que se exportan directamente como un documento “docx”. Desafortunadamente, los modelos basados en datos imputados (objetos “mipo”) no son actualmente compatibles con “tab_model”. Estoy buscando una función similar a “tab_model” que pueda exportar tablas de regresión con estilo . . . Read more
Hemos estado utilizando el marco de trabajo Nunit para nuestro Proyecto de Automatización de Pruebas. Lenguaje de Programación: C# IDE de Automatización: Visual Studio, Bibliotecas de Selenium Actualmente estamos ejecutando todas las pruebas en un solo espacio de nombres y archivo de clase. Hemos recibido un requisito para dividir los . . . Read more
Utilizo el módulo statsmodels.formula.api de Python para la mayoría de las tareas de regresión. Cuando pruebo un gran número de variables en un modelo, verifico sus valores de p para tener confianza de que las variables realmente están mejorando el modelo. Normalmente aplico transformaciones polinómicas a las variables para verificar . . . Read more
Tengo un problema. ¿Existe una opción para obtener una detención temprana? Porque vi en un gráfico que después de un tiempo ocurre el sobreajuste, así que quiero obtener lo más óptimo. dfListingsFeatureregresión = pd.read_csv(r”https://raw.githubusercontent.com/Coderanker3/dataset4/main/listingscleaned.csv”) d = {True: 1, False: 0, np.nan : np.nan} dfListingsFeatureregresión[‘hostissuperhost’] = dfListingsFeatureregresión[‘hostissuperhost’].map(d).astype(‘int’) X = dfListingsFeatureregresión.drop(columns=[‘hostid’, ‘id’, . . . Read more
Tengo un problema. Cuando observas la primera foto, puedes ver que la puntuación de validación no se ve bien. Cuando comento esta línea plt.plot(np.sqrt(val_errors), “b-“, linewidth=3, label=”val”) puedes ver perfectamente el gráfico de entrenamiento. ¿Por qué se ve tan grande el valor de validación? dfListingsFeature_regresion = pd.read_csv(r”https://raw.githubusercontent.com/Coderanker3/dataset4/main/listings_cleaned.csv”) d = {True: . . . Read more