Preskoči na sadržaj
Korištenjem servisa na Twitteru pristajete na korištenje kolačića. Twitter i partneri rade globalno te koriste kolačiće za analize, personalizaciju i oglase.

Za najbolje sučelje na Twitteru koristite Microsoft Edge ili instalirajte aplikaciju Twitter iz trgovine Microsoft Store.

  • Naslovnica Naslovnica Naslovnica, trenutna stranica.
  • O Twitteru

Spremljena pretraživanja

  • obriši
  • U ovom razgovoru
    Ovjeren akauntZaštićeni tweetovi @
Predloženi korisnici
  • Ovjeren akauntZaštićeni tweetovi @
  • Ovjeren akauntZaštićeni tweetovi @
  • Jezik: Hrvatski
    • Bahasa Indonesia
    • Bahasa Melayu
    • Català
    • Čeština
    • Dansk
    • Deutsch
    • English
    • English UK
    • Español
    • Filipino
    • Français
    • Italiano
    • Magyar
    • Nederlands
    • Norsk
    • Polski
    • Português
    • Română
    • Slovenčina
    • Suomi
    • Svenska
    • Tiếng Việt
    • Türkçe
    • Български език
    • Русский
    • Српски
    • Українська мова
    • Ελληνικά
    • עִבְרִית
    • العربية
    • فارسی
    • मराठी
    • हिन्दी
    • বাংলা
    • ગુજરાતી
    • தமிழ்
    • ಕನ್ನಡ
    • ภาษาไทย
    • 한국어
    • 日本語
    • 简体中文
    • 繁體中文
  • Imate račun? Prijava
    Imate račun?
    · Zaboravili ste lozinku?

    Novi ste na Twitteru?
    Registrirajte se
Profil korisnika/ce GaelVaroquaux
Gael Varoquaux
Gael Varoquaux
Gael Varoquaux
@GaelVaroquaux

Tweets

Gael Varoquaux

@GaelVaroquaux

Researcher and coder: ►Data, Brain, & Computational science ►#python / #pydata contributor, (co)founder of scikit-learn & joblib ►Photography on @artgael

Paris, France
gael-varoquaux.info
Vrijeme pridruživanja: rujan 2011.

Tweets

  • © 2020 Twitter
  • O Twitteru
  • Centar za pomoć
  • Uvjeti
  • Pravila o privatnosti
  • Imprint
  • Kolačići
  • Informacije o oglasima
Odbaci
Prethodni
Sljedeće

Idite na profil osobe

Spremljena pretraživanja

  • obriši
  • U ovom razgovoru
    Ovjeren akauntZaštićeni tweetovi @
Predloženi korisnici
  • Ovjeren akauntZaštićeni tweetovi @
  • Ovjeren akauntZaštićeni tweetovi @

Odjava

Blokiraj

  • Objavi Tweet s lokacijom

    U tweetove putem weba ili aplikacija drugih proizvođača možete dodati podatke o lokaciji, kao što su grad ili točna lokacija. Povijest lokacija tweetova uvijek možete izbrisati. Saznajte više

    Vaši popisi

    Izradi novi popis


    Manje od 100 znakova, neobavezno

    Privatnost

    Kopiraj vezu u tweet

    Ugradi ovaj Tweet

    Embed this Video

    Dodajte ovaj Tweet na svoje web-mjesto kopiranjem koda u nastavku. Saznajte više

    Dodajte ovaj videozapis na svoje web-mjesto kopiranjem koda u nastavku. Saznajte više

    Hm, došlo je do problema prilikom povezivanja s poslužiteljem.

    Integracijom Twitterova sadržaja u svoje web-mjesto ili aplikaciju prihvaćate Twitterov Ugovor za programere i Pravila za programere.

    Pregled

    Razlog prikaza oglasa

    Prijavi se na Twitter

    · Zaboravili ste lozinku?
    Nemate račun? Registrirajte se »

    Prijavite se na Twitter

    Niste na Twitteru? Registrirajte se, uključite se u stvari koje vas zanimaju, i dobivajte promjene čim se dogode.

    Registrirajte se
    Imate račun? Prijava »

    Dvosmjerni (slanje i primanje) kratki kodovi:

    Država Kod Samo za korisnike
    Sjedinjene Američke Države 40404 (bilo koje)
    Kanada 21212 (bilo koje)
    Ujedinjeno Kraljevstvo 86444 Vodafone, Orange, 3, O2
    Brazil 40404 Nextel, TIM
    Haiti 40404 Digicel, Voila
    Irska 51210 Vodafone, O2
    Indija 53000 Bharti Airtel, Videocon, Reliance
    Indonezija 89887 AXIS, 3, Telkomsel, Indosat, XL Axiata
    Italija 4880804 Wind
    3424486444 Vodafone
    » Pogledajte SMS kratke šifre za druge zemlje

    Potvrda

     

    Dobro došli kući!

    Vremenska crta mjesto je na kojem ćete provesti najviše vremena i bez odgode dobivati novosti o svemu što vam je važno.

    Tweetovi vam ne valjaju?

    Prijeđite pokazivačem preko slike profila pa kliknite gumb Pratim da biste prestali pratiti neki račun.

    Kažite mnogo uz malo riječi

    Kada vidite Tweet koji volite, dodirnite srce – to osobi koja ga je napisala daje do znanja da vam se sviđa.

    Proširite glas

    Najbolji je način da podijelite nečiji Tweet s osobama koje vas prate prosljeđivanje. Dodirnite ikonu da biste smjesta poslali.

    Pridruži se razgovoru

    Pomoću odgovora dodajte sve što mislite o nekom tweetu. Pronađite temu koja vam je važna i uključite se.

    Saznajte najnovije vijesti

    Bez odgode pogledajte o čemu ljudi razgovaraju.

    Pratite više onoga što vam se sviđa

    Pratite više računa da biste dobivali novosti o temama do kojih vam je stalo.

    Saznajte što se događa

    Bez odgode pogledajte najnovije razgovore o bilo kojoj temi.

    Ne propustite nijedan aktualni događaj

    Bez odgode pratite kako se razvijaju događaji koje pratite.

    Gael Varoquaux‏ @GaelVaroquaux 1. velj
    • Prijavi Tweet

    Gael Varoquaux je proslijedio/a tweet korisnika/ceGael Varoquaux

    Even for science and medical applications, I am becoming weary of fine statistical modeling efforts, and believe that we should standardize on a handful of powerful and robust methods. An opinionated thread to give context for https://twitter.com/GaelVaroquaux/status/1223305762350534657 … 1/8

    Gael Varoquaux je dodan/na,

    Gael Varoquaux @GaelVaroquaux
    Odgovor korisnicima @bradpwyble @talyarkoni i sljedećem broju korisnika: 2
    I'm totally with you. We should just tell people to stop worrying and use Gradient-Boosted Decision Trees. With enough data, they just work. Almost not kidding
    13:09 - 1. velj 2020.
    • 35 proslijeđenih tweetova
    • 136 oznaka „sviđa mi se”
    • Noname Matthew Teow Dakota Hawkins Michael Lappe Mike Croucher Arunkumar Venkataramanan Jussi Tohka Linggih Saputro Eric
    35 proslijeđenih tweetova 136 korisnika označava da im se sviđa
      1. Novi razgovor
      2. Gael Varoquaux‏ @GaelVaroquaux 1. velj
        • Prijavi Tweet

        First, analytic variability is a killer. eg in "standard" analysis for brain mapping https://onlinelibrary.wiley.com/doi/full/10.1002/hbm.24603 …, for machine learning in brain imaging https://www.sciencedirect.com/science/article/abs/pii/S1053811917305311 … or more generally in "hypothesis driven" statistical testing https://go.gale.com/ps/anonymous?id=GALE|A389260653&linkaccess=abs&issn=00030996 … 2/8

        1 reply 1 proslijeđeni tweet 8 korisnika označava da im se sviđa
        Prikaži ovu nit
      3. Gael Varoquaux‏ @GaelVaroquaux 1. velj
        • Prijavi Tweet

        We need weakly-parametric models that can fit data as raw as possible, without relying on non-testable assumptions. Machine learning provides these, and tree-based models need little data transformations. 3/8

        1 reply 0 proslijeđenih tweetova 10 korisnika označava da im se sviđa
        Prikaži ovu nit
      4. Gael Varoquaux‏ @GaelVaroquaux 1. velj
        • Prijavi Tweet

        We need non-parametric model selection and testing, that do not break if the model is wrong. Cross-validation and permutation importance provide these, once we have chosen input (endogenous) and output (exogenous) variables. 4/8

        1 reply 0 proslijeđenih tweetova 6 korisnika označava da im se sviđa
        Prikaži ovu nit
      5. Gael Varoquaux‏ @GaelVaroquaux 1. velj
        • Prijavi Tweet

        If there are less than a thousand data points, all but the simple statistical question can and will be gamed (sometimes unconsciously), partly for lack of model selection. An example in neuroimaging https://www.biorxiv.org/content/10.1101/843193v1 … I no longer trust such endeavors, including mines. 5/8

        1 proslijeđeni tweet 12 korisnika označava da im se sviđa
        Prikaži ovu nit
      6. Gael Varoquaux‏ @GaelVaroquaux 1. velj
        • Prijavi Tweet

        For thousands of data points and moderate dimensionality (99% of cases), gradient-boosted trees provide the necessary regression model https://scikit-learn.org/stable/modules/ensemble.html#histogram-based-gradient-boosting … They are robust to data distribution and support missing values (even outside MAR settings https://arxiv.org/abs/1902.06931 ) 6/8

        1 reply 1 proslijeđeni tweet 12 korisnika označava da im se sviđa
        Prikaži ovu nit
      7. Gael Varoquaux‏ @GaelVaroquaux 1. velj
        • Prijavi Tweet

        For thousands of data points and large dimensionality, linear models (ridge) are needed. But applying them without thousands of data points (as I tried for many years) is hazardous. Get more data, change the question (eg analyze across cohorts). 7/8

        1 reply 0 proslijeđenih tweetova 8 korisnika označava da im se sviđa
        Prikaži ovu nit
      8. Gael Varoquaux‏ @GaelVaroquaux 1. velj
        • Prijavi Tweet

        Most questions are not about "prediction". But machine learning is about estimating functions that approximate conditional expectations / probability. We need to get better at integrating it in our scientific inference pipelines. For more, push me to write a paper on this. 8/8

        7 replies 3 proslijeđena tweeta 31 korisnik označava da mu se sviđa
        Prikaži ovu nit
      9. Kraj razgovora
      1. Novi razgovor
      2. Konrad Hinsen‏ @khinsen 2. velj
        • Prijavi Tweet
        Odgovor korisniku/ci @GaelVaroquaux

        There's something that many people in science and technology don't seem to get: you can either work on better methods, testing them on well-understood problems, or use well-understood methods for new problems. Innovating in multiple layers at the same time just produces noise.

        1 reply 20 proslijeđenih tweetova 57 korisnika označava da im se sviđa
      3. Još 3 druga odgovora
      1. Pradeep Reddy‏ @raamana_ 2. velj
        • Prijavi Tweet
        Odgovor korisnicima @GaelVaroquaux @bttyeo

        Pradeep Reddy je proslijedio/a tweet korisnika/cePradeep Reddy

        I’ve been calling to develop standards for more than 2 years now, and not many have been supportive of this..https://twitter.com/raamana_/status/1027989248614514693?s=20 …

        Pradeep Reddy je dodan/na,

        Pradeep Reddy @raamana_
        Curious about fundamental challenges in #biomarkers accuracy, and how we can overcome them? Come to my poster # 100 @ #NI2018 Want to follow best practices in evaluating the predictive power of features from your study? Use #neuropredict: http://GitHub.com/raamana  #MachineLearning pic.twitter.com/o7tOj1RzWf
        Prikaži ovu nit
        0 replies 1 proslijeđeni tweet 3 korisnika označavaju da im se sviđa
        Hvala. Twitter će to iskoristiti za poboljšanje vaše vremenske crte. Poništi
        Poništi

    Čini se da učitavanje traje već neko vrijeme.

    Twitter je možda preopterećen ili ima kratkotrajnih poteškoća u radu. Pokušajte ponovno ili potražite dodatne informacije u odjeljku Status Twittera.

      Sponzorirani tweet

      false

      • © 2020 Twitter
      • O Twitteru
      • Centar za pomoć
      • Uvjeti
      • Pravila o privatnosti
      • Imprint
      • Kolačići
      • Informacije o oglasima