| 30 Jun 2020 |
 Daniel | 
Download image.jpeg | 14:13:49 |
| Daniel | esto es con 35 epoch, y si en el numero 15 se cruzan las lineas | 14:13:49 |
 Angel Isaac Brisco | Ese comportamiento es perfectamente normal y esperable. No pasa nada mientras la loss de la validación siga bajando aunque no baje tanto como la del train set | 14:15:01 |
| Daniel | In reply to Angel Isaac Brisco
Son algoritmos muy buenos y con muchas ventajas propias del diseño que le permiten "andar bien" sin grandes modificaciones. Las redes neuronales son una lotería, hasta que encontrás la configuración correcta para el problema que afrontas. También tenés que asegurarte que tengas una base de datos balanceada, normalizada y a escala. Las redes son muy sensibles a todo eso. Te recomiendo pasar toda la base por un minmaxsacaler de scikitlearn bueno, lo que quiere predecir mi red es si un empleado se va a retirar del trabajo o no, entonces es algo de si o no, pero en los datos originales, hay un 16% que dice que si apenas, entonces ya los datos están desbalanceados, ¿cierto? debería yo tener un 50/50
Lo otro es que sí, estoy normalizando los datos con StandardScaler() | 14:16:56 |
| Angel Isaac Brisco | Igual, no todo es mejorable con una red neuronal (y fácil a la vez). Un random forest es una herramienta super potente bien usada y en datos tabulados suele ser tan bueno como una red neuronal standard. | 14:17:48 |
| Angel Isaac Brisco | O multiplicas los datos para que queden 50 50 o aplicas un loss weight | 14:18:57 |
| Daniel | In reply to Angel Isaac Brisco
Igual, no todo es mejorable con una red neuronal (y fácil a la vez). Un random forest es una herramienta super potente bien usada y en datos tabulados suele ser tan bueno como una red neuronal standard. si .... eso veo el mejoramiento que consigo ha sido apenas de 2% segun la matriz de confusión | 14:19:07 |
| Angel Isaac Brisco | 1: apenas 2% ya es mejor que peor o mismo resultado a expensas de menor velocidad o mayor complejidad.
2: las redes neuronales se lucen en información no estructurada como sonido imágenes y en estructurada cuando tenes una inmensa cantidad de ejemplos con una gran cantidad de features y no tenés tiempo o capacidad humana de analizarlos a todos (por eso el amor redes neuronales big data).
3 si estas empezando intentar ganarle a un randomforest que seguro lo tuneo alguien que sabe es una tarea difícil. Te recomendaria empezar de a poco y con calma.
Yo llevo unos años haciendo esto y me sigue costando ganarle al RF con redes neuronales. Tanto que lo uso como valor de base para decidir si estoy en buen camino o no. | 14:27:36 |
 (^•-•^)/ | En ML el algoritmo más "potente" no tiene porqué ser el más adecuado. Cómo dice Angel Isaac resulta que igual lo pasas por un modelo más sencillo que no se basa en redes neuronales y resulta que performa mejor. | 14:45:18 |
|  Sarajean meilani @GoalTimeN joined the room. | 15:04:44 |
 SeRGi | Por eso hay un proceso de ciencia en el ML, no es algo mecánico | 15:11:38 |
 Manuel | ni es alquimia pura | 15:12:13 |
| Daniel | gracias por los comentarios gente! | 15:17:53 |
| (^•-•^)/ | MLmancer lvl 99 (can summon neural networks) 🤣 | 15:21:24 |
|  Alok Zainal joined the room. | 16:17:47 |
|  Robertos Delatte joined the room. | 16:47:30 |
|  Vitali Simmons joined the room. | 16:59:09 |
 Ivan | es magia negra, no alquimia :P | 18:10:33 |
 Cristian | Download unnamed file | 18:36:32 |
|  jens | 20:54:18 |
|  pdroman joined the room. | 21:48:16 |
|  Avangard K?NG Hasan @XGameToken joined the room. | 21:44:16 |
| 1 Jul 2020 |
| pdroman set a profile picture. | 10:05:05 |
| 30 Jun 2020 |
|  Mruczalke BIO Holmes joined the room. | 22:34:22 |
| 1 Jul 2020 |
|  martinvaz joined the room. | 12:48:03 |
| pdroman changed their profile picture. | 16:08:47 |
|  boris joined the room. | 23:14:13 |
| 2 Jul 2020 |
|  dogdays69 joined the room. | 04:23:36 |
| dogdays69 left the room. | 04:25:22 |
|  valentina joined the room. | 07:40:27 |
