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 jeremyphoward
Jeremy Howard
Jeremy Howard
Jeremy Howard
@jeremyphoward

Tweets

Jeremy Howard

@jeremyphoward

Deep learning R&D and education. Founder: http://fast.ai ; Faculty: http://usfca.edu ; Chair http://wamri.ai ; // Previously - CEO: Enlitic; President: Kaggle; CEO Fastmail

San Francisco
Vrijeme pridruživanja: kolovoz 2010.

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.

    Jeremy Howard‏ @jeremyphoward 31. sij
    • Prijavi Tweet

    Why Random Forests can’t predict trends and how to overcome this problem. by @amaarorahttps://link.medium.com/3FnSlWQmH3 

    05:55 - 31. sij 2020.
    • 251 proslijeđeni Tweet
    • 1.031 oznaka „sviđa mi se”
    • Ashley Williamson Matt Tony Luke Atish Gautam DOLA Kossi Seyram toni Monleon . Aman Arora AndroidBlogger
    12 replies 251 proslijeđeni tweet 1.031 korisnik označava da mu se sviđa
      1. Novi razgovor
      2. Jeremy Howard‏ @jeremyphoward 31. sij
        • Prijavi Tweet

        The problem isn't just time variables. It's *any* "out of domain" data. So you need a good validation set. If you're not generalizing to the validation set, try deep learning instead, or even boosting a deep learning model with a random forest model.

        3 proslijeđena tweeta 27 korisnika označava da im se sviđa
        Prikaži ovu nit
      3. Jeremy Howard‏ @jeremyphoward 31. sij
        • Prijavi Tweet

        Also, GBMs can often do better on these kinds of problems. The winner of the competition discussed in the article found GBMs better than RFs, and factorization machines better still.pic.twitter.com/KjsanRXcyb

        11 proslijeđenih tweetova 62 korisnika označavaju da im se sviđa
        Prikaži ovu nit
      4. Jeremy Howard‏ @jeremyphoward 1. velj
        • Prijavi Tweet

        The linked post mentions neural nets as a good solution. Using neural nets on the Bulldozers dataset discussed in the post does indeed give significantly better results than random forests.

        1 reply 2 proslijeđena tweeta 9 korisnika označava da im se sviđa
        Prikaži ovu nit
      5. Kraj razgovora
      1. Novi razgovor
      2. Pete Condon‏ @pete_b_condon 1. velj
        • Prijavi Tweet
        Odgovor korisnicima @jeremyphoward @amaarora

        I was hoping that the article was going to cover a more complex time series, sometimes it's worth taking the hit on non-stationary series if the forecast horizon is sufficiently short and the algorithm is trained sufficiently frequently. E.g.https://colab.research.google.com/drive/1WJjty6Q87WZeqBZVy6--cgrnuW4p50PP …

        1 reply 0 proslijeđenih tweetova 1 korisnik označava da mu se sviđa
      3. Jeremy Howard‏ @jeremyphoward 1. velj
        • Prijavi Tweet
        Odgovor korisnicima @pete_b_condon @amaarora

        The bulldozers dataset discussed is a very complex time series.

        1 reply 0 proslijeđenih tweetova 1 korisnik označava da mu se sviđa
      4. Još 5 drugih odgovora
      1. Novi razgovor
      2. Jeremy Howard‏ @jeremyphoward 31. sij
        • Prijavi Tweet
        Odgovor korisnicima @dominik_oh0 @amaarora

        Sometimes. But how would you do that in the bulldozers auction dataset example he discusses?

        0 replies 1 proslijeđeni tweet 2 korisnika označavaju da im se sviđa
      3. Još 3 druga odgovora
      1. Novi razgovor
      2. Andrew Baker‏ @Andrew___Baker 31. sij
        • Prijavi Tweet
        Odgovor korisnicima @jeremyphoward @amaarora

        What about local linear random forests from wager et Al?

        1 reply 0 proslijeđenih tweetova 5 korisnika označava da im se sviđa
      3. Jeremy Howard‏ @jeremyphoward 31. sij
        • Prijavi Tweet
        Odgovor korisnicima @Andrew___Baker @amaarora

        There's been many algorithms that combine linear and tree models over the years. None have really had much practical impact yet, although I like the idea. Local linear forests don't have a mature implementation yet, but hopefully it'll work out well

        0 replies 1 proslijeđeni tweet 8 korisnika označava da im se sviđa
      4. Kraj razgovora
      1. Novi razgovor
      2. Sai Krishna‏ @sai_krishna_msk 1. velj
        • Prijavi Tweet
        Odgovor korisnicima @jeremyphoward @amaarora

        Intuitively stacking Random forest with Nueral Networks would work because one is good at interpolation and other at extrapolating...Never tried that though.

        1 reply 0 proslijeđenih tweetova 1 korisnik označava da mu se sviđa
      3. Jeremy Howard‏ @jeremyphoward 1. velj
        • Prijavi Tweet
        Odgovor korisnicima @sai_krishna_msk @amaarora

        Yes exactly.

        0 replies 0 proslijeđenih tweetova 2 korisnika označavaju da im se sviđa
      4. Kraj razgovora

    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