Соглашусь, очень хорошо объясняете :) Мало где встречается объяснение основ типа иерархия объектов в matplotlib. А это значительно улучшает понимание. Для опытных людей по умолчанию кажется понятным, но новичков, кто в первый раз видит код, может стопорить.
@@machine_learrrning я вот увидел EDA и мне сразу пришли в голову статистические методы анализа переменных - какие библиотеки есть, работа с числовыми и категориальными переменными, ранжирование переменных, как привести таргет к нормальному распределению и тд. Если говорить про графики, то как наглядно визуализировать алгоритмы Random forest, KNN и тд. То есть больше прикладные задачи в ноутбуке) но я не знаю, было бы вам интересно говорить об этом
Потрясающее видео! Спасибо большое! Все понятно и доступно. Прохожу сейчас небезызвестный платный курс, не буду говорить какой, но здесь сейчас я получила намного больше информации и понимания. Спасибо вам!
Спасибо! Очень информативное видео, очень доступно объясняете материал. С меня лайк и подписка. Надеюсь что другие Ваши видео такие же понятные, так как они именно на те темы, что мне так нужны, еще раз спасибо за Ваш труд.
Умница, всё чётко и по делу. Очень познавательно. Спасибо. Такой вопрос, есть способ через hotplot показать корреляуию на большом количестве признаков, скажем на 50.(чтоб это было визуально понятно)
Касательно усов ящика с усами на 14:20, когда разговор идёт об усах Вы говорите, что сказали что чаще всего они строятся как медиана +- полтора интерквартильных размаха Но matplotlib строит следующим образом $X_{нижний}= \check t_{0.25} - 1.5* (\check t_{0.75} - \check t_{0.25})$ $X_{верхний}= \check t_{0.75} + 1.5* (\check t_{0.75} - \check t_{0.25})$ Человеческая формула Нижняя граница = квантиль(0.25) - полтора интерквартильных размаха Верхняя граница = квантиль(0.75) + полтора интерквартильных размаха Проверил на своих данных на ящиках с усами Подскажите, пожалуйста, как лучше считать ненормальные значения, как Вы предложили или как считает matplotlib?
Очень рада, что видео понравилось! Из подобия методички могу предложить два сайта: 1. www.python-graph-gallery.com/ 2. datavizcatalogue.com/ на них можно выбрать нужные вид графика и почитать для чего он применяется
Очень полезное видео, спасибо! По боксплотам не очень понял расчёт усов. Всегда полагал q1 - 1.5(q3-q1) и q3+1.5(q3-q1), здесь вроде говорится, что отнимаем и прибавляем к медиане…
Эм, а ничего что сиборн всецело и полностью основан на матплотлиб, поэтому все те графики, которые есть в сиборне априори есть в матплотлиб, с одной лишь оговоркой на простоту реализации.
да, так и есть, но в matplotlib нет heatmap, нет jointplot, pairplot в удобной упаковке, так что при надобности этих визуализаций лучше пользоваться seaborn или же писать очень большое кол-во строк кода на matplotlib
Хреново уже со старта. Там больше кастомизации, а там меньше. Я так и не понял, что имел ввиду автор. Что такое кастомизация, чего именно там больше - не понятно. Пошёл в гугл, тот сказал, что кастомизация - это подстройка товара под клиента. Ясности не добавило вообще. Хрен его знает о чём тут сказал автор...
Кастомизация от слова custom (пользователь), означает создание чего-либо лично для пользователя, лично для разработчика, который создает графики, захотел более яркие цвета - добавил, захотел больше столбик в гистограмме - добавил и т.д Жаль, что мое видео вам не помогло, благо есть куча других источников, где можно искать информацию :)
@@machine_learrrning Беда Вашего, как и многих других авторов видео в том, что не оговаривается, для кого это видео создано, на какой уровень подготовки зрителя оно ориентировано. Уже одно то, что Вы решились рассказать людям об показанных в видео инструментах, говорит о том, что Ваш рассказ предназначен для тех, кто с этими инструментами не знаком. В рассказе Вы употребляете узкоспециальную терминологию. Разумеется, раз зритель с теми инструментами не знаком, то и терминологию он не знает. Ему нужно это всё пояснять так, чтоб даже ребёнок понял. Но! Улыбнитесь :) не всё так плохо. Эту ошибку делает подавляющее большинство авторов на ютубе. Знания приходится собирать по крохам. Кое-что я всё же понял. Жаль вот только что подавляющее большинство слов Вашего звукоряда для меня как тарабарщина - придётся вникать через переводчика (то есть, копать не одну неделю термины, чтоб понять о чём конкретно речь). У меня реально другая беда. Я столкнулся с необходимостью визуализации больших массивов данных, взятых с валютного рынка. Я программирую на языке MQL4 уже более 15 лет (да и частично на других тоже - время от времени приходится делать dll-библиотеки). То есть, в программировании я не новичок. в С языком Python столкнулся впервые. И я уже больше недели пытаюсь написать код, который мне хоть что-то нарисует. Не получается хоть тресни - компилятор выдаёт постоянно всё новые и новые ошибки. Тупик какой-то. В случае, если ошибок нет, то просто ни чего не происходит. Вот смотрите, это малюсенький код, который я пытаюсь seaborn-ом визуализировать disk.yandex.ru/d/YEXsf6hID24JOw А это результат его выполнения disk.yandex.ru/i/q80cRr0I85hSJw
@@troll_eybus Нарисовать получилось. Для этого мне пришлось на одном из форумов найти тегеграмм-канал, в котором по кодам помогают. Кастомизацию я так и не понял. Отложил пока всё в долгий ящик. Я программирую на MQL4 и уже давно. Поднавалилось сейчас заказов. Просто не до ппайтона сейчас
Очень полезное видео. Вот сразу видно, что человек сам научился и может на пальцах другим обьяснить. Спасибо.
Круто рассказываешь! Останусь с тобой надолго.
Соглашусь, очень хорошо объясняете :)
Мало где встречается объяснение основ типа иерархия объектов в matplotlib. А это значительно улучшает понимание.
Для опытных людей по умолчанию кажется понятным, но новичков, кто в первый раз видит код, может стопорить.
Умничка!
Очень не хватает живых примеров.
Я бы сделал по 2-3 различных примера для каждой диаграммы. Это добавит ценности для зрителей.
Спасибо за идею!
отличное видео! как всегда - понятно и наглядно, делайте больше)
Спасибо! Буду стараться почаще делать видео.
А ещё будет лучше, если напишите, какие темы вам интересней послушать :)
@@machine_learrrning я вот увидел EDA и мне сразу пришли в голову статистические методы анализа переменных - какие библиотеки есть, работа с числовыми и категориальными переменными, ранжирование переменных, как привести таргет к нормальному распределению и тд. Если говорить про графики, то как наглядно визуализировать алгоритмы Random forest, KNN и тд. То есть больше прикладные задачи в ноутбуке) но я не знаю, было бы вам интересно говорить об этом
Спасибо большое за идеи! Посмотрю, что можно рассказать
Спасибо огромное! Просто великолепное объяснение.
Очень классное и полезное видео. Спасибо!😍
Спасибо большое за видео! Очень информативно и полезно!!!
Потрясающее видео! Спасибо большое! Все понятно и доступно. Прохожу сейчас небезызвестный платный курс, не буду говорить какой, но здесь сейчас я получила намного больше информации и понимания. Спасибо вам!
Прекрасный урок! Спасибо!
Спасибо! Очень информативное видео, очень доступно объясняете материал. С меня лайк и подписка. Надеюсь что другие Ваши видео такие же понятные, так как они именно на те темы, что мне так нужны, еще раз спасибо за Ваш труд.
Большое спасибо. Очень полезное и познавательное видео.
Спасибо большое! Все понятно и структурировано! Можете скинуть ссылку на урок с разбором кода?
Видео появилось на канале: ua-cam.com/video/28XZf0Fv9-0/v-deo.html
Спасибо большое!
Спасибо за видео, очень полезно
Пожалуйста!
Рада помочь 😸
Какая ты крутая, спасибо)
Спасибо за старание вы очень доходчево обясняете, a можете снят EDA c plotly-express тоже?
Постараюсь :)
Умница, всё чётко и по делу. Очень познавательно. Спасибо.
Такой вопрос, есть способ через hotplot показать корреляуию на большом количестве признаков, скажем на 50.(чтоб это было визуально понятно)
Касательно усов ящика с усами на 14:20, когда разговор идёт об усах Вы говорите, что сказали что чаще всего они строятся как медиана +- полтора интерквартильных размаха
Но matplotlib строит следующим образом
$X_{нижний}= \check t_{0.25} - 1.5* (\check t_{0.75} - \check t_{0.25})$
$X_{верхний}= \check t_{0.75} + 1.5* (\check t_{0.75} - \check t_{0.25})$
Человеческая формула
Нижняя граница = квантиль(0.25) - полтора интерквартильных размаха
Верхняя граница = квантиль(0.75) + полтора интерквартильных размаха
Проверил на своих данных на ящиках с усами
Подскажите, пожалуйста, как лучше считать ненормальные значения, как Вы предложили или как считает matplotlib?
Лучше считать, как считает matplotlib, так более общепринято работать с выбросами и рисовать на этих показателях ящики с усами
@@machine_learrrning Спасибо большое) Ваши видео очень помогли разобраться с EDA
@@fordatascience2810 Очень этому рада! :)
@@machine_learrrning привет! а как считает matplotlib? медиана +- 1.5iqr?
Привет из GB . Отличный урок, спасибо огромное, а есть методичка-шпаргалка?
Очень рада, что видео понравилось!
Из подобия методички могу предложить два сайта:
1. www.python-graph-gallery.com/
2. datavizcatalogue.com/
на них можно выбрать нужные вид графика и почитать для чего он применяется
Полезное видео
спасибо!
Всегда пожалуйста!
Очень полезное видео, спасибо! По боксплотам не очень понял расчёт усов. Всегда полагал q1 - 1.5(q3-q1) и q3+1.5(q3-q1), здесь вроде говорится, что отнимаем и прибавляем к медиане…
Очень рада, что видео полезное!
Есть разные способы потроения усов:
1. к среднему +- 3 сигмы
2. min, max
3. С медианой разные вариации
4. и тд
Спасибо за разъяснение, буду знать!) Видимо, я просто ориентировался на конкретную реализацию в matplotlib и seaborn.
Спасибо за разъяснение, буду знать!) Видимо, я просто ориентировался на конкретную реализацию в matplotlib и seaborn.
Спасибо за разъяснение, буду знать!) Видимо, я просто ориентировался на конкретную реализацию в matplotlib и seaborn.
Спасибо за разъяснение, буду знать!) Видимо, я просто ориентировался на конкретную реализацию в matplotlib и seaborn.
Супер
Эм, а ничего что сиборн всецело и полностью основан на матплотлиб, поэтому все те графики, которые есть в сиборне априори есть в матплотлиб, с одной лишь оговоркой на простоту реализации.
да, так и есть, но в matplotlib нет heatmap, нет jointplot, pairplot в удобной упаковке, так что при надобности этих визуализаций лучше пользоваться seaborn или же писать очень большое кол-во строк кода на matplotlib
Хреново уже со старта. Там больше кастомизации, а там меньше. Я так и не понял, что имел ввиду автор. Что такое кастомизация, чего именно там больше - не понятно. Пошёл в гугл, тот сказал, что кастомизация - это подстройка товара под клиента. Ясности не добавило вообще.
Хрен его знает о чём тут сказал автор...
Кастомизация от слова custom (пользователь), означает создание чего-либо лично для пользователя, лично для разработчика, который создает графики, захотел более яркие цвета - добавил, захотел больше столбик в гистограмме - добавил и т.д
Жаль, что мое видео вам не помогло, благо есть куча других источников, где можно искать информацию :)
@@machine_learrrning Беда Вашего, как и многих других авторов видео в том, что не оговаривается, для кого это видео создано, на какой уровень подготовки зрителя оно ориентировано.
Уже одно то, что Вы решились рассказать людям об показанных в видео инструментах, говорит о том, что Ваш рассказ предназначен для тех, кто с этими инструментами не знаком. В рассказе Вы употребляете узкоспециальную терминологию. Разумеется, раз зритель с теми инструментами не знаком, то и терминологию он не знает. Ему нужно это всё пояснять так, чтоб даже ребёнок понял. Но! Улыбнитесь :) не всё так плохо. Эту ошибку делает подавляющее большинство авторов на ютубе.
Знания приходится собирать по крохам. Кое-что я всё же понял. Жаль вот только что подавляющее большинство слов Вашего звукоряда для меня как тарабарщина - придётся вникать через переводчика (то есть, копать не одну неделю термины, чтоб понять о чём конкретно речь).
У меня реально другая беда. Я столкнулся с необходимостью визуализации больших массивов данных, взятых с валютного рынка. Я программирую на языке MQL4 уже более 15 лет (да и частично на других тоже - время от времени приходится делать dll-библиотеки). То есть, в программировании я не новичок. в С языком Python столкнулся впервые. И я уже больше недели пытаюсь написать код, который мне хоть что-то нарисует. Не получается хоть тресни - компилятор выдаёт постоянно всё новые и новые ошибки. Тупик какой-то. В случае, если ошибок нет, то просто ни чего не происходит. Вот смотрите, это малюсенький код, который я пытаюсь seaborn-ом визуализировать disk.yandex.ru/d/YEXsf6hID24JOw
А это результат его выполнения disk.yandex.ru/i/q80cRr0I85hSJw
@@svbdaa нарисовать получилось? А кастомизировать?
@@troll_eybus Нарисовать получилось. Для этого мне пришлось на одном из форумов найти тегеграмм-канал, в котором по кодам помогают. Кастомизацию я так и не понял. Отложил пока всё в долгий ящик. Я программирую на MQL4 и уже давно. Поднавалилось сейчас заказов. Просто не до ппайтона сейчас