پورت اسکنر قوی ساخته شده توسط خودم ?

(بسیار دقیق و قدرتمند )

Password: @SicarioTech

Join: @SicarioTech

یک اسکریپت دیداس قوی (سازندش من نیستم )

@SicarioTech

بکاپ اتوماتیک از SQl هر 10 دقیقه

@SicarioTech

این داکیومنت خیلی عالیه پیشنهاد میدم حتما مطالعش کنید

یک داکیومنت فوق بی‌نظیر از پاکسازی و پیش پردازش دادگان بوسیله python

برخی از سرفصل‌های پیش‌رو:

• مدیریت دادگان از دست رفته

• مدیریت دادگان دورافتاده

• مقیاس‌بندی دادگان

• مهندسی ویژگی‌های مسئله

• کمی‌سازی آماری دادگان

• مدیریت دادگان نامتوازن

• یکپارچه‌سازی دادگان

10 الگوریتم برتر یادگیری ماشین

#Book

@SicarioTech

پیشنهاد من اینه که اگه خواستید ریاضیات بخونید برای هرچی چه مدرسه چه کارمون و ...

درک کنید فرمولا و زمینه کار رو سعی کنید بفهمید چه کاری انجام میده اینطوری طعمش بهتر میشه

بعضی وقتا مدل اونجوری که ما دوست داریم کار نمیکنه و نتیجه خوبی بما نمیده
دلیل این اتفاق در شرایط خاص میتونه نقاط پرت باشه

حالا نقاط پرت چی هستن؟! نقاطی که خارج از محدوده و بطوری مرکز از اجتماع داده ها خیلی دور تر از بقیه هستند

فرض کنید یه تعداد داده داریم

arr = np.array([1,2,3,4,5,6,7,12,29,41,-13,-91])
خوب توی این مشاهده میکنید که یسری داده ها خیلی دور هستن درست مثل وقتی که داده های زمان رو وارد مدل میکنیم و بدون اینکه یه کد گزاری one-hot انجام بدیم
اگه یه نمودار داشته باشیم bar/scatter,... متوجه میشید که یسری داده هامون خیلی دور هستن و همینطور باعث میشه مدل ما گیج بشه

راهکار چیه؟
یکی از روش ها Z-score هست که خیلی مفقید واقع شده و بما کمک میکنه داده های پرت رو پیدا کنیم پیاده سازیش به این شکله
IQR :
def iqr (data,col,factor)
outliers =list()
q3,q1=np.precentile(data[col],(75,25)
uper = q3+(factoriqr)
    lower = q1-(factoriqr)
    for num in data[col]:
        if num > uper or num < lower:
            outlines.append(num)
        else :
    pass
    return outliers

print(iqr(data,'Age',1.5))

@SicarioTech

دوستان بزودی میخام شبیه سازی پروژه های واقعی رو انجام بدم البته با احتساب اینکه اطلاعات رو گرفتیم از یجایی این میتونه شامل این چیزا که میگم باشه ۱_داشبوردینگ فرض میگیریم که کارفرما از ما داشبورد میخاد از چیزی که بما داده ( درصورتی که بشه ) حالا در مسائل…

چندتا فایل جدید توی گیتهاب اپلود کردم تمرین nlp هم توشون هست با نام Emotion اگه دوست داشتید نگاهی بندازین Git-Hub