توی ماشین لرنینگ برای اینکه بفهمیم هرکدوم از ویژگی ها چقدر توی خروجی تاثیر داشته راه های مختلفی وجود داره با SHAP می‌تونید راحت این کارو انجام بدید، SHAP یه روش برای توضیح خروجی مدل‌های یادگیری ماشینه که از مفهوم Shapley value در نظریه بازی‌ها الهام گرفته. توی نظریه بازی، Shapley value منصفانه مشخص می‌کنه هر بازیکن چقدر در نتیجه‌ی تیم سهم داشته؛ SHAP همین ایده رو برای ویژگی‌های داده به کار می‌گیره. یعنی برای هر پیش‌بینی مشخص، حساب می‌کنه هر فیچر (مثل سن، درآمد یا سابقه خرید) چه میزان در نتیجه نهایی مدل نقش مثبت یا منفی داشته. اینطوری می‌شه دقیق فهمید که چرا مدل به یه تصمیم خاص رسیده.

shap.readthedocs.io

@Linuxor

بدون اینکه مستقیم اشاره کنید بگید با چه زبان برنامه‌نویسی کار میکنید 🙂‍↔️

⁦ಠ⁠_⁠ʖ⁠ಠ⁩

➖➖➖➖➖➖➖➖➖➖ 

🥷🏻 CHANNEL | GROUP

وقتی اولین خط کدتون رو نوشتید چه حسی داشتید؟ 🤔
من که داشتم بوگاتیمو تصور میکردم 😂

➖➖➖➖➖➖➖➖➖➖ 

🥷🏻 CHANNEL | GROUP

دوساعت پست نوشتم دستم خورد کلش پاک شد

بریم برای ۲۰۰ تومن :)

شرمنده برای فعالیت کم بسیار درگیر هستم 😔

این هم از زبان برنامه نویسی Cyrus که ما موفق به ساختش شدیم.

قدیمیای کانال از روند توسعه ش خبر دارن :)
منتها حقیقتا راه دور و درازی در پیش داریم که توسعه کامپایلر مصیبت های خودشو داره. منتها با کمک و همراهی شما دوستان پیشرفت خیلی زیادی داشتیم و امیدواریم که از پس جبران حمایت های شما بر بیایم.

در حال حاضر داریم type system رو تست میکنیم تا اینکه تا حدی stable بشه. هر موقع استیبل بشه به ادامه دولوپ فیچر های high level مثل error handling و macro ها و generic type ها خواهیم پرداخت انشالله.

#cyrus
@cyrus_lang
https://github.com/cyrus-lang/Cyrus

بالاخره یه زبان درست حسابی که یه ایرانی ساختتش خلق شد

تو فکر این رفتم منم یه حرکتایی بزنم برای کامیونیتی ایران
نظری یا ایده ای دارید ؟ 🤔