Performing Advanced Feature Engineering in Keras Ulasan

Dani V. · Diulas sekitar 3 tahun lalu

Akshay S. · Diulas sekitar 3 tahun lalu

NICE

Sanal B. · Diulas sekitar 3 tahun lalu

Shivam P. · Diulas sekitar 3 tahun lalu

Yasin S. · Diulas sekitar 3 tahun lalu

Carolina G. · Diulas sekitar 3 tahun lalu

桢楠 蔡. · Diulas sekitar 3 tahun lalu

Gabriel G. · Diulas sekitar 3 tahun lalu

The transform function is a bit hard to comprehend. I suggest split it into two functions. The first one does the normalization and calculates euclidean distance. The second one creates the crossed feature.

Junhao Z. · Diulas sekitar 3 tahun lalu

JAYAVARAPU SIVA T. · Diulas sekitar 3 tahun lalu

Julia W. · Diulas sekitar 3 tahun lalu

Wijaya P. · Diulas sekitar 3 tahun lalu

good experience

saggurthi a. · Diulas sekitar 3 tahun lalu

Some features, e.g., dayofweek and pickup_dropoff embedding features were defined but not used.

Sadeka I. · Diulas sekitar 3 tahun lalu

Vishnu Teja R. · Diulas sekitar 3 tahun lalu

Manjesh G. · Diulas sekitar 3 tahun lalu

poornika b. · Diulas sekitar 3 tahun lalu

Giles W. · Diulas sekitar 3 tahun lalu

Marco C. · Diulas sekitar 3 tahun lalu

very useful

sathish s. · Diulas sekitar 3 tahun lalu

Ty S. · Diulas sekitar 3 tahun lalu

Koji H. · Diulas sekitar 3 tahun lalu

Xenon X. · Diulas sekitar 3 tahun lalu

Toshi S. · Diulas sekitar 3 tahun lalu

Just about enough time to complete. suggest to give 2 hours instead. Some questions: End of lab compares predicted taxi fare for both models with and without feature engineering. However there should be comparison back to either the actual taxi fare (if known) to see which model performs closer, or comparison using val RMSE for 2 models instead, or comparison of train/val loss/mse curves. Simply comparing 2 predicted taxi fares doesnt tell which performs better.

Joy L. · Diulas sekitar 3 tahun lalu