_id stringlengths 2 7 | title stringclasses 1
value | partition stringclasses 3
values | language stringclasses 1
value | meta_information dict | text stringlengths 5 1.76k |
|---|---|---|---|---|---|
c129620 | train | {
"resource": ""
} | Улучшает вывод ошибок для потоков, используя имя потока в качестве ключа | ||
c129660 | train | {
"resource": ""
} | Случайным образом измените один из каналов входного изображения | ||
c129680 | train | {
"resource": ""
} | Создайте `Learner` с текстовым классификатором на основе `data` и `arch`. | ||
c129700 | train | {
"resource": ""
} | Нормальная инициализация с обрезанием. | ||
c129720 | train | {
"resource": ""
} | Показать все `imgs` используя строки в количестве `r`. | ||
c129740 | train | {
"resource": ""
} | Вернуть путь к данным к `filename`, сначала проверив локально, затем в конфигурационном файле. | ||
c129760 | train | {
"resource": ""
} | Отправляет команду для выполнения командной утилитой CommandExecutor.
:Аргументы:
- driver_command: Название команды для выполнения в виде строки.
- params: Словарь с параметрами для отправки вместе с командой.
:Возвращает:
Ответ команды в формате JSON, загруженный в объект-словарь. | ||
c129780 | train | {
"resource": ""
} | Снимает снимок экрана текущего окна и сохраняет его в файл PNG. Возвращает `False`, если возникла ошибка ввода-вывода (IOError), в противном случае возвращает `True`. Используйте полные пути в вашем имени файла.
Аргументы:
- filename: полный путь, куда вы хотите сохранить снимок экрана. Файл должен заканчиваться расширением `.png`.
Пример использования:
::
driver.get_screenshot_as_file('/Screenshots/foo.png') | ||
c129800 | train | {
"resource": ""
} | Касайтесь и скользите, перемещаясь по xoffset и yoffset.
:Аргументы:
- xoffset: X смещение для прокрутки.
- yoffset: Y смещение для прокрутки. | ||
c129820 | train | {
"resource": ""
} | Отправляет клавиши текущему фокусируемому элементу.
:Args:
- keys_to_send: Клавиши для отправки. Константы модификаторных клавиш можно найти в классе 'Keys'. | ||
c129840 | train | {
"resource": ""
} | Является ли элемент видимым для пользователя. | ||
c129860 | train | {
"resource": ""
} | Снять выделение с опции с заданным индексом. Это делается путём проверки атрибута "index" элемента, а не просто подсчетом.
:Аргументы:
- index - Опция с этим индексом будет снята из выделения.
Вызывает NoSuchElementException, если нет опции с указанным индексом в SELECT | ||
c129880 | train | {
"resource": ""
} | Отобразите визуализацию displaCy.
docs (список или Doc): Документ(ы) для визуализации.
style (строка): Стиль визуализации, 'dep' или 'ent'.
page (булево): Отобразить разметку как полную HTML-страницу.
minify (булево): Минимизировать HTML-разметку.
jupyter (булево): Принудительно заменить автоопределение Jupyter.
options (словарь): Опции визуализатора, например, цвета.
manual (булево): Не анализировать `Doc`, а ожидать словарь/список словарей.
ВОЗВРАЩАЕТ (строка): Размеченную HTML-разметку.
ДОКУМЕНТАЦИЯ: https://spacy.io/api/top-level#displacy.render
ИСПОЛЬЗОВАНИЕ: https://spacy.io/usage/visualizers | ||
c129900 | train | {
"resource": ""
} | Перебирайте пакеты элементов. `size` может быть итератором, поэтому размер пакета может меняться на каждом шаге. | ||
c129920 | train | {
"resource": ""
} | Округляйте большие числа как целые числа, меньшие числа как десятичные. | ||
c129940 | train | {
"resource": ""
} | Нарисовать отдельное стрелочное крыло.
direction (unicode): Направление стрелы, 'left' или 'right'.
x (int): Координата x точки начала стрелы.
y (int): Координата y точек начала и конца стрелы.
end (int): Координата x точки конца стрелы.
ВОЗВРАЩАЕТ (unicode): Определение пути стрелки ('d' атрибут). | ||
c129960 | train | {
"resource": ""
} | Замените веса моделей в пайплайне на те, которые предоставлены в словаре params. Это можно использовать как контекстный менеджер, при этом модели вернутся к своим исходным весам после блока.
params (dict): Словарь параметров, ключами которого являются идентификаторы моделей.
**cfg: Конфигурационные параметры.
ПРИМЕР:
>>> with nlp.use_params(optimizer.averages):
... nlp.to_disk('/tmp/checkpoint') | ||
c129980 | train | {
"resource": ""
} | Дает действия для нажатых клавиш. | ||
c130000 | train | {
"resource": ""
} | Получает пакеты, которые предоставляют указанную команду, с использованием `pkgfile`.
Если команда имеет форму `sudo foo`, ищет команду `foo` вместо неё. | ||
c130020 | train | {
"resource": ""
} | Заменяет параметр командной строки. | ||
c130040 | train | {
"resource": ""
} | Сохраняет порядок элементов в списке | ||
c130060 | train | {
"resource": ""
} | Храните значения на каждом уровне на бекенде с доступом и записью, а не суммируйте снизу вверх. | ||
c130080 | train | {
"resource": ""
} | Исходя из расписания, отправьте срез в виде электронного письма-отчета | ||
c130100 | train | {
"resource": ""
} | Обновить метрики на основе метаданных столбца | ||
c130120 | train | {
"resource": ""
} | Запуск FAB оставляет некорректные разрешения, которые нужно очистить. | ||
c130140 | train | {
"resource": ""
} | Конечная точка для извлечения списка таблиц для данной базы данных | ||
c130160 | train | {
"resource": ""
} | Измените SQL-запрос, чтобы применить соответствующее ключевое слово LIMIT | ||
c130180 | train | {
"resource": ""
} | Инструмент для поиска имени ограничения внешнего ключа в миграциях Alembic | ||
c130200 | train | {
"resource": ""
} | Преобразует список ненегативных чисел в строку. | ||
c130220 | train | {
"resource": ""
} | Помощник для heapify в quicksort на минимальном куче | ||
c130240 | train | {
"resource": ""
} | Возврат заголовка всех простых чисел менее n, используя сито Эратосфена. | ||
c130260 | train | {
"resource": ""
} | Конвертировать указатель ctypes в тип буфера. | ||
c130280 | train | {
"resource": ""
} | Во время рисования переключение между режимами должно быть отключено. | ||
c130300 | train | {
"resource": ""
} | Установите SSH соединение с удалённым хостом. Это должно использовать объявления имени хостов в файле конфигурации SSH. По умолчанию не будет автоматически доверять хостам, будет использовать SSH-агента и попытается загрузить ключи. | ||
c130320 | train | {
"resource": ""
} | Предлагаю частоту слов, чтобы заставить буквы в слове объединиться или разделиться.
Параметр:
- segment: Куски, на которые ожидается разбиение слова. Если слово должно рассматриваться как единое целое, используйте строку.
- tune: Если True, настройте частоту слова.
Обратите внимание, что алгоритм скрытого Марковского модели (HMM) может повлиять на конечный результат. Если результат не изменяется, установите HMM в False. | ||
c130340 | train | {
"resource": ""
} | Оптический конволюционный автоэнкодер, небольшой набор данных для тестирования. | ||
c130360 | train | {
"resource": ""
} | Случайным образом сгенерировать образец набора данных для упрощения алгебраических выражений.
Дано входное выражение, сгенерировать упрощённое выражение.
Аргументы:
vlist: Список переменных. Список символов, которые могут использоваться в выражении.
ops: Список экземпляров ExprOp. Допустимые операторы для выражения.
min_depth: Глубина выражений в виде деревьев не будет меньше, чем это значение. 0 означает, что есть только переменная. 1 означает, что есть одна операция.
max_depth: Глубина выражений в виде деревьев не будет больше, чем это значение. Чтобы сделать все деревья одинаковой глубины, установите это равным `min_depth`.
Возвращает:
sample: Строковое представление входного выражения.
target: Строковое представление решения. | ||
c130380 | train | {
"resource": ""
} | Экспортирует последнюю точку сохранения из каталога в виде модуля tfhub.
Она создает спецификацию и подпись модуля (на основе информации о проблеме T2T), которые позже используются для создания и экспорта хаб-модуля. Модуль будет сохранен в каталоге ckpt_dir.
Аргументы:
`model_name`: название модели, которую необходимо экспортировать.
`hparams`: параметры T2T, граф модели будет основан на них.
`decode_hparams`: параметры T2T для декодирования.
`problem`: название проблемы.
`checkpoint_path`: путь к точке сохранения, которую необходимо экспортировать.
`export_dir`: каталог, в который необходимо вывести экспортированную модель. | ||
c130400 | train | {
"resource": ""
} | Загрузка примеров из файла в формате TSV.
Аргументы:
tmp_dir: временная директория.
prop_train: доля обучающих данных
prop_val: доля валидационных данных
Возвращает:
Все примеры в наборе данных, а также подмножества данных для обучения, тестирования и валидации. | ||
c130420 | train | {
"resource": ""
} | Увеличить наблюдение, вернуть обычную кортежную пару шагов. | ||
c130440 | train | {
"resource": ""
} | Вычислить бета-взвешенный F-тест.
Аргументы:
true_positives: Количество истинно положительного n-граммов.
selected: Количество выбранных n-граммов.
relevant: Количество релевантных n-граммов.
beta: 0 дает только точность, 1 — коэффициент F1, бесконечность — только частичное покрытие.
Возвращаемое значение:
Бета-взвешенный F-тест. | ||
c130460 | train | {
"resource": ""
} | Извлекайте ссылки из файлов WET в выходные фрагментированные файлы. | ||
c130480 | train | {
"resource": ""
} | Проверка формы для cond_latents. | ||
c130500 | train | {
"resource": ""
} | Добавляет изотропный гауссовский шум к каждому скрытому элементу.
Аргументы:
latents: 4-D или 5-D тензор, формы=(NTHWC) или (NHWC).
hparams: HParams.
Возвращает:
latents: скрытые элементы с добавленным изотропным гауссовским шумом. | ||
c130520 | train | {
"resource": ""
} | Полный LSTM-ячейка. | ||
c130540 | train | {
"resource": ""
} | Ожидаемая форма полностью связанного слоя после серии свёрточных операций. | ||
c130560 | train | {
"resource": ""
} | Диапазон кривизны.
Возвращает:
h_max_t, h_min_t операции | ||
c130580 | train | {
"resource": ""
} | Функция инициализации с ограничением Глорота (или Xavier) для случайных коэффициентов с равномерным распределением. | ||
c130600 | train | {
"resource": ""
} | Генератор изображений для ImageNet с изображениями размером 64x64, уменьшенными по размеру.
Предполагается, что данные были загружены с
http://image-net.org/small/*_32x32.tar или
http://image-net.org/small/*_64x64.tar во временную директорию tmp_dir.
Аргументы:
tmp_dir: путь к временной директории хранения.
training: логическое значение; если true, используем набор данных для обучения, иначе — тестовый набор данных.
size: размер изображения (предполагается, что высота и ширина одинаковы).
Выдает:
Словарь, представляющий изображения, с следующими полями:
* image/encoded: строка закодированного изображения в формате JPEG,
* image/format: строка "jpeg", представляющая формат изображения,
* image/height: целое число, представляющее высоту,
* image/width: целое число, представляющее ширину.
Фактически, каждое поле является списком соответствующего типа. | ||
c130620 | train | {
"resource": ""
} | Улучшен спуск для семантического хеширования. | ||
c130640 | train | {
"resource": ""
} | По каким устройствам мы разбиваем каждый обучающий батч.
В старомодном асинхронном режиме мы распределяем батч по всем GPU на текущем воркере.
В синхронном режиме мы распределяем батч по всем GPU, являющимся серверам параметров.
Эта функция возвращает объект expert_utils.Parallelism, который может быть использован для построения модели. Он настраивается таким образом, что любые переменные, созданные с помощью `tf.get_variable`, будут назначены на серверы параметров и совместно использоваться между датафрагментами.
Аргументы:
- daisy_chain_variables: следует ли копировать переменные в цепочку гиацинтов на GPU.
- all_workers: являются ли устройства всеми асинхронными воркерами или только этим одним.
Возвращает:
- объект expert_utils.Parallelism. | ||
c130660 | train | {
"resource": ""
} | Параметры для обучения ImageTransformer на TPU. | ||
c130680 | train | {
"resource": ""
} | Кодирует входные данные, отправляет запрос на развернутую модель TF и декодирует выходные данные. | ||
c130700 | train | {
"resource": ""
} | Обнуляет траектории по указанным индексам и заполняет наблюдениями.
При обнулении траектории можно сразу вызвать метод, если ещё нет временных шагов, или для обнуления активного тогда.
Если обнуляется текущая активная траектория, то мы сохраняем её в self._completed_trajectories.
Аргументы:
indices: 1-D np.ndarray, содержащий индексы обнуляемых траекторий.
observations: np.ndarray формы (длина indices, obs.shape), содержит наблюдения. | ||
c130720 | train | {
"resource": ""
} | Применяет функцию многоучасткового внимания, параметризованную для декодирования.
Аргументы:
x: входной (вход для декодера) сигнал.
hparams: гиперпараметры модели.
encoder_output: Представление энкодера. [батч_размер, input_length, hidden_dim]
decoder_self_attention_bias: Веса влияния и маскировки для внимания декодера самому себе. [батч_размер, decoder_length]
encoder_decoder_attention_bias: Веса влияния и маскировки для взаимодействия энкодера и декодера. [батч_размер, input_length]
attention_dropout_broadcast_dims: Для бродкастинга шума в слоях дропаута, чтобы сэкономить память во время обучения.
save_weights_to: необязательный словарь для сохранения весов внимания с целью визуализации; тензор весов будет добавлен туда под строковым ключом, созданным из области видимости переменных (включая имя).
make_image_summary: Желательно ли создавать сводку изображения внимания.
Возвращаемое значение:
Тензор выходных данных | ||
c130740 | train | {
"resource": ""
} | Выполняет шаг во всех окружениях, не следует предварительно обрабатывать или записывать.
Подклассы должны переопределить этот метод, чтобы выполнить фактический шаг, если нужно что-то другое, кроме стандартной реализации.
Аргументы:
actions: (np.ndarray) со следующей размерностью — размер батча.
Возвращает:
квадратный кортеж, содержащий скопленные безобработанные наблюдения, безобработанное вознаграждение, флаги окончания (dones) и информацию (infos). | ||
c130760 | train | {
"resource": ""
} | Цель PPO с возможным минусом при предсказаниях. | ||
c130780 | train | {
"resource": ""
} | Декоратор для функции построения графа, использующий переменные питания. | ||
c130800 | train | {
"resource": ""
} | Пример из скрытого пространства автоэнкодера. | ||
c130820 | train | {
"resource": ""
} | Создай переменные для слоя нормализации. | ||
c130840 | train | {
"resource": ""
} | Конволюционный GRU в одном измерении. | ||
c130860 | train | {
"resource": ""
} | Найти базовую переменную-ссылку.
Проходит через операции Identity, ReadVariableOp, и Enter,
Останавливаясь, когда тип операции содержит либо "Variable", либо "VarHandle" в названии.
Аргументы:
t: Тензор
Возвращает:
Тензор, который является ссылкой на переменную, или None в случае ошибки. | ||
c130880 | train | {
"resource": ""
} | Придает массиву a форму, соответствующую массиву b по всем измерениям, кроме последнего. | ||
c130900 | train | {
"resource": ""
} | Вычислить средний приз или вознаграждение за указанный эпоху. | ||
c130920 | train | {
"resource": ""
} | Инферирует стандартные пути к каталогам политики и моделей.
Пример:
>>> infer_paths("/some/output/dir/", policy="", model="custom/path")
{"policy": "/some/output/dir/policy", "model": "custom/path",
"output_dir":"/some/output/dir/"}
Аргументы:
output_dir: каталог вывода.
**subdirs: подкаталоги.
Возвращает:
словарь с каталогами. | ||
c130940 | train | {
"resource": ""
} | Создайте трейн- и eval-хуки для эксперимента. | ||
c130960 | train | {
"resource": ""
} | Модель Estimator model_fn распараллелена по батч-измерению.
Аргументы:
sharded_features: {str: [Tensor]}. Характеристики распараллелены по батч-измерению. Каждый список имеет одинаковую длину (равна числу кусочков).
Возвращает:
sharded_logits: [Tensor]. Логиты для каждого кусочка примеров.
losses: {str: 0-D Tensor}. Потери, усреднённые по кусочкам. | ||
c130980 | train | {
"resource": ""
} | Версия для использования с languagemodel_wiki_scramble1k50. | ||
c131000 | train | {
"resource": ""
} | Получает стандартное преобразование потерь; если недоступно, возвращает значение. | ||
c131020 | train | {
"resource": ""
} | Настройки экспериментов по переводу.
Обучайте их на translate_enfr_wmt32k_packed в течение 154000 шагов (3 эпохи).
Параметр size — это целое число, которое контролирует количество голов и размер скрытых слоев каскадного преобразования. Увеличение size на 1 удваивает каждый из этих параметров.
Аргументы:
size: целое число
Возвращает:
объект hparams | ||
c131040 | train | {
"resource": ""
} | Генерируйте словарь из таблицированного исходного файла.
Исходные данные — это файл пары исходного и целевого текста, где каждая строка содержит строку исходного текста и строку целевого текста, разделенные символом табуляции ('\t'). Параметр index указывает на 0 для исходного или 1 для целевого.
Аргументы:
data_dir: путь к директории данных.
tmp_dir: путь к временной директории.
source_filename: имя таблицированного исходного файла.
index: индекс.
vocab_filename: имя файла словаря.
vocab_size: размер словаря.
Возвращает:
Словарь. | ||
c131060 | train | {
"resource": ""
} | Экранируйте и заменяйте символы подчеркивания и символы OOV, добавляя '_'. Это позволяет представить токен в виде конкатенации списка подтокенов из словарного запаса. Символ подчеркивания выступает в роли сигнала, который позволяет инверсно конкатенировать несколько таких списков.
Аргументы:
token: строка Unicode для экранирования.
alphabet: множество всех символов в алфавите словарного запаса.
Возвращает:
escaped_token: экранированная строка Unicode.
Вызывает:
ValueError: если предоставленный токен не является строкой Unicode. | ||
c131080 | train | {
"resource": ""
} | Преобразовать строку с именем файла в список целых чисел RGB.
Аргументы:
s: путь к файлу с изображением.
Возвращает:
ids: список целых чисел | ||
c131100 | train | {
"resource": ""
} | Разбиение кадров текущей эпохи по self.dataset_splits.
Выпадения могут разбиваться на границе шарда. Это желательно, когда у нас есть несколько длинных выпадений, и мы хотим убедиться, что в наборе данных dev есть данные. | ||
c131120 | train | {
"resource": ""
} | Преобразуй x так, чтобы первые две размерности были объединены в одну.
Аргументы:
x: тензор с формой [a, b, ...]
Возвращает:
тензор с формой [ab, ...] | ||
c131140 | train | {
"resource": ""
} | Собирает разглаженные блоки из x. | ||
c131160 | train | {
"resource": ""
} | Преобразуйте индекс группы в его битовое представление. | ||
c131180 | train | {
"resource": ""
} | Загрузите и извлеките наборы данных MSCOCO в каталог, если он ещё не там. | ||
c131200 | train | {
"resource": ""
} | Параметры модели трансформера большого размера на WMT. | ||
c131220 | train | {
"resource": ""
} | Параметры гиперпараметров для обучения "image_cifar10_plain_gen_flat_rev" с использованием памяти. | ||
c131240 | train | {
"resource": ""
} | Извлечь идентификатор из страницы.
Аргументы:
page: строка
Возвращает:
целое число | ||
c131260 | train | {
"resource": ""
} | Средняя часть slicenet, соединяющая кодировщик и декодер. | ||
c131280 | train | {
"resource": ""
} | Эпоха PPO. | ||
c131300 | train | {
"resource": ""
} | Рассчитать коэффициент корреляции Пирсона.
Аргументы:
predictions: Сырые предсказания.
labels: Реальные метки.
weights_fn: Функция взвешивания.
Возвращает:
Коэффициент корреляции Пирсона. | ||
c131320 | train | {
"resource": ""
} | Сериализует гиперпараметры в JSON.
Аргументы:
indent: Если ненегативное целое число, элементы JSON-массивов и члены объекта будут отформатированы с желаемым уровнем отступа. Уровень отступа 0 или отрицательное число будет вставлять только переводы строк. `None` (по умолчанию) выбирает наиболее компактное представление.
separators: Необязательная пара `(item_separator, key_separator)`. По умолчанию `(', ', ': ')`.
sort_keys: Если `True`, выходные словари будут отсортированы по ключам.
Возвращает:
Строка JSON. | ||
c131340 | train | {
"resource": ""
} | Заказана модель дискретного автоэнкодера для текста. | ||
c131360 | train | {
"resource": ""
} | Обратитесь к памяти на основе сходства по содержанию.
Аргументы:
x: тензор в формате [batch_size, length, depth].
Возвращает:
логарифмы для каждой записи в памяти [batch_size, length, memory_size]. | ||
c131380 | train | {
"resource": ""
} | Возвращает список шаблонов файлов, один для каждой проблемы. | ||
c131400 | train | {
"resource": ""
} | Выборка из многомерного тензора.
Аргументы:
x: Тензор формы [..., vocab_size]. Параметризует логиты мультиномиального распределения.
vocab_size: Количество классов в мультиномиальном распределении.
sampling_method: Строка, "random" или детерминированный в противном случае.
temperature: Положительный вещественный.
Возвращает:
Тензор формы [...]. | ||
c131420 | train | {
"resource": ""
} | версия для languagemodel_wiki_scramble8k50.
languagemodel_wiki_scramble1k50, 1 gpu, 7 тысяч шагов: log(ppl)_eval = 2.92
3.3 шага/с на P100
8 gpu (8x batch), 7 тысяч шагов: log(ppl)_eval = 2.15
Возвращается:
объект hparams | ||
c131440 | train | {
"resource": ""
} | Параметры засыпания VQ. | ||
c131460 | train | {
"resource": ""
} | Собирает кадры из реальной среды для случайных запусков симулированной среды. | ||
c131480 | train | {
"resource": ""
} | Декодер подстроенного трансформера с локальными пространственными слоями 1D. | ||
c131500 | train | {
"resource": ""
} | Для пакетных наборов данных возвращает функцию для упаковки примеров.
Возврат:
Ничего или функция из списка TFRecords в список TFRecords | ||
c131520 | train | {
"resource": ""
} | Слоя для сдвига тензора вправо путем вставки нулей по оси 1. | ||
c131540 | train | {
"resource": ""
} | Украсьте eval функцию.
Примечание
----------
Для задач многоклассовой классификации значения y_pred сначала группируются по class_id, а затем по row_id.
Если вы хотите получить i-ю строку y_pred в j-м классе, то способ доступа будет y_pred[j * num_data + i].
Параметры
----------
func : callable
Ожидается вызываемый объект со следующими подписями:
``func(y_true, y_pred)``,
``func(y_true, y_pred, weight)``
или ``func(y_true, y_pred, weight, group)``
и возвращает (eval_name->строка, eval_result->float, is_bigger_better->bool):
y_true : массив-подобный объект с формой = [n_samples]
Целевые значения.
y_pred : массив-подобный объект с формой = [n_samples] или формой = [n_samples * n_classes] (для задач многоклассовой классификации)
Предсказанные значения.
weight : массив-подобный объект с формой = [n_samples]
Вес примеров.
group : массив-подобный объект
Группа/запрос данных, используемая для задач ранжирования.
Возвращает
-------
new_func : callable
Новая eval функция, как ожидалось в ``lightgbm.engine.train``.
Подпись — ``new_func(preds, dataset)``:
preds : массив-подобный объект с формой = [n_samples] или формой = [n_samples * n_classes] (для задач многоклассовой классификации)
Предсказанные значения.
dataset : Dataset
Обучающая выборка, из которой метки будут извлечены с использованием ``dataset.get_label()``. | ||
c131560 | train | {
"resource": ""
} | Ленивая инициализация.
Возвращает
-------
self : Dataset
Созданный объект Dataset. | ||
c131580 | train | {
"resource": ""
} | Получить количество строк в наборе данных.
Возвращает
----------
количество_строк : int
Количество строк в наборе данных. | ||
c131600 | train | {
"resource": ""
} | Конвертация Бустера в формат JSON.
Параметры
---------
num_iteration : int или None, необязательный (по умолчанию=None)
Индекс итерации, которую следует конвертировать.
Если None, если существует самая лучшая итерация, она конвертируется; в противном случае, конвертируются все итерации.
Если меньше или равно 0, конвертируются все итерации.
start_iteration : int, необязательный (по умолчанию=0)
Начальный индекс итерации, которую следует конвертировать.
Возвращает
---------
json_repr : dict
Представление Бустера в формате JSON. | ||
c131620 | train | {
"resource": ""
} | Измерения производительности цели.
Параметры
----------
objective : строка 'binary' или 'xentropy'
Функция целевой задачи.
label_type : строка 'binary' или 'probability'
Тип метки.
data : словарь
Данные для обучения.
Возвращает
-------
result : словарь
Сводная статистика эксперимента. |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.