Ali Ahmed55

السلام عليكم هل من المنطقي ان استخدم 4 اعمد وبعد كده 4 اعمده كمان في تحليل الانحدر الخطي الOLS والا افضل ان استخدم جميع الاعمده مره واحد ؟

الف شكرااا جدا لحضرتك

السلام عليكم هو اي الGoogle Summer of Code (GSoC)؟

تمام جدا الف شكرااا جدا لحضرتك حزاك الله كل خير

السلام عليكم هو غالبًا ما تفشل النماذج التنبؤية الحالية في معالجة الفجوات المتعلقة بالحالة الاجتماعية والاقتصادية، والعرق، والموقع الجغرافي ؟

شكراا جدا لحضرتك

السلام عليكم مش البرمجه تبقى أداة رئيسية لبناء الحلول القوية والمبتكرة في عصر الذكاء الاصطناعي ؟

تمام جدا الف شكرااا لحضرتكم

تمام جدا جدا الف شكراا لحضرتك

السلام عليكم ده الكود disease_year_distribution = data_train.groupby(['year_hct' , 'prim_disease_hct']).size().unstack() print(disease_year_distribution) ودي النتجيه prim_disease_hct 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 year_hct 2008 19.0 319.0 263.0 NaN 1.0 3.0 6.0 7.0 2.0 51.0 97.0 51.0 64.0 2.0 3.0 15.0 15.0 2.0 2009 5.0 59.0 30.0 NaN NaN NaN 1.0 1.0 NaN 10.0 13.0 10.0 3.0 NaN 2.0 NaN 4.0 1.0 2010 1.0 32.0 46.0 NaN NaN NaN NaN NaN NaN 8.0 16.0 13.0 3.0 NaN 1.0 1.0 NaN NaN 2011 5.0 87.0 93.0 NaN NaN NaN 3.0 NaN 1.0 31.0 47.0 24.0 13.0 NaN 2.0 1.0 2.0 NaN 2012 10.0 263.0 201.0 NaN NaN 5.0 7.0 6.0 1.0 64.0 122.0 52.0 30.0 4.0 6.0 11.0 8.0 4.0 2013 20.0 277.0 160.0 2.0 NaN NaN 14.0 3.0 NaN 78.0 112.0 58.0 30.0 1.0 7.0 11.0 10.0 4.0 2014 6.0 132.0 94.0 NaN NaN NaN 6.0 2.0 NaN 35.0 48.0 19.0 16.0 NaN 5.0 6.0 3.0 NaN 2015 18.0 328.0 395.0 NaN NaN 1.0 8.0 3.0 1.0 88.0 165.0 52.0 45.0 5.0 9.0 7.0 9.0 3.0 2016 53.0 708.0 632.0 3.0 NaN 3.0 36.0 16.0 4.0 186.0 322.0 119.0 87.0 5.0 13.0 45.0 26.0 11.0 2017 57.0 792.0 723.0 2.0 1.0 6.0 19.0 14.0 1.0 148.0 256.0 145.0 92.0 3.0 10.0 40.0 20.0 8.0 2018 97.0 1035.0 748.0 1.0 1.0 16.0 32.0 19.0 1.0 191.0 264.0 205.0 123.0 5.0 22.0 39.0 29.0 5.0 2019 7.0 61.0 34.0 NaN NaN 4.0 NaN 1.0 1.0 11.0 16.0 11.0 4.0 1.0 3.0 3.0 3.0 NaN

تمام جدا الف شكراا جدا لحضرتك

السلام عليكم هو لو انا مسحت حوالي 90% من البيانات بسيب الnulls تاثير ده اي علي نموذج ؟

الف شكرااا جدا جدا لحضرتك جزاك الله كل خير

السلام عليكم انا هنا في الكود ده عاوز 1- امسح القيمه الNaN ماعد اعمده معين # Select columns that are important for further analysis, focusing on those that may contain missing values data_columns_nulls = data_train[['cyto_score','cyto_score_detail','hla_high_res_6','hla_high_res_8','hla_high_res_10','hla_match_b_high','tce_imm_match','mrd_hct','tce_match','tce_div_match']] # Drop rows with NaN values in columns that are not part of the selected ones # Commented line below would remove any rows with NaN values, but we're handling missing data per column #data_train.dropna(inplace=True) for columns in data_train.columns: if columns not in data_columns_nulls.columns: # Drop rows where the selected column has NaN values data_train = data_train.dropna(subset=[columns]) # Calculate and print the total number of missing values per column (if needed) missing_values = data_train.isna().sum() print(missing_values) ودي نتجيه الmissing_values ID 0 dri_score 0 psych_disturb 0 cyto_score 2491 diabetes 0 hla_match_c_high 0 hla_high_res_8 60 tbi_status 0 arrhythmia 0 hla_low_res_6 0 graft_type 0 vent_hist 0 renal_issue 0 pulm_severe 0 prim_disease_hct 0 hla_high_res_6 60 cmv_status 0 hla_high_res_10 60 hla_match_dqb1_high 0 tce_imm_match 2468 hla_nmdp_6 0 hla_match_c_low 0 rituximab 0 hla_match_drb1_low 0 hla_match_dqb1_low 0 prod_type 0 cyto_score_detail 4105 conditioning_intensity 0 ethnicity 0 year_hct 0 obesity 0 mrd_hct 5884 in_vivo_tcd 0 tce_match 6306 hla_match_a_high 0 hepatic_severe 0 donor_age 0 prior_tumor 0 hla_match_b_low 0 peptic_ulcer 0 age_at_hct 0 hla_match_a_low 0 gvhd_proph 0 rheum_issue 0 sex_match 0 hla_match_b_high 60 race_group 0 comorbidity_score 0 karnofsky_score 0 hepatic_mild 0 tce_div_match 2536 donor_related 0 melphalan_dose 0 hla_low_res_8 0 cardiac 0 hla_match_drb1_high 0 pulm_moderate 0 hla_low_res_10 0 efs 0 efs_time 0 dtype: int64 لحد دلوقتي تمام بعد كده 2- املئ القيمه الNaN في الاعمدا المعين التي لم امسحها # Fill missing values in the columns selected for analysis for columns in data_columns_nulls.columns: # For categorical columns (object type), fill NaN with the most frequent value (mode) if data_train[columns].dtype == 'object': data_train[columns].fillna(data_train[columns].mode()[0]) else: # For numerical columns, fill NaN with the mean of the column data_train[columns].fillna(data_train[columns].mean()) print("-" * 20) # Calculate and print the total number of missing values per column (if needed) missing_values = data_train.isna().sum() print(missing_values) نتجه الmissing_values زي الاول بطبظ طيب ازي مش المفروض يكون كلها اصفر ID 0 dri_score 0 psych_disturb 0 cyto_score 2491 diabetes 0 hla_match_c_high 0 hla_high_res_8 60 tbi_status 0 arrhythmia 0 hla_low_res_6 0 graft_type 0 vent_hist 0 renal_issue 0 pulm_severe 0 prim_disease_hct 0 hla_high_res_6 60 cmv_status 0 hla_high_res_10 60 hla_match_dqb1_high 0 tce_imm_match 2468 hla_nmdp_6 0 hla_match_c_low 0 rituximab 0 hla_match_drb1_low 0 hla_match_dqb1_low 0 prod_type 0 cyto_score_detail 4105 conditioning_intensity 0 ethnicity 0 year_hct 0 obesity 0 mrd_hct 5884 in_vivo_tcd 0 tce_match 6306 hla_match_a_high 0 hepatic_severe 0 donor_age 0 prior_tumor 0 hla_match_b_low 0 peptic_ulcer 0 age_at_hct 0 hla_match_a_low 0 gvhd_proph 0 rheum_issue 0 sex_match 0 hla_match_b_high 60 race_group 0 comorbidity_score 0 karnofsky_score 0 hepatic_mild 0 tce_div_match 2536 donor_related 0 melphalan_dose 0 hla_low_res_8 0 cardiac 0 hla_match_drb1_high 0 pulm_moderate 0 hla_low_res_10 0 efs 0 efs_time 0

الف شكرااا جدا لحضرتكم

السلام عليكم هو اي اهميه الاشتقاق والجبر الخطي في الشبكات العصبيه من ناحيه المطورين يعني انا هستخدم ادوات جاهز ؟ يعني فين الاابدع ؟

تمام جدا الف شكرااا لحضرتك

ايوه بس فيه مشكله هو ان القيمه عبار عن نص مش ارقم يعني الازم الاوال استخدم الLabelEncoder و بعد كده احساب المتوسط وبعد كده إستبدال تلك القيم بس ازي بقا اقدر ان امسح القيمه الNaN في باقي الاعمده الا انا هعمل كده في ا4 اعمده فقط ؟

السلام عليكم ده الكود data_columns_nulls = data_train[['cyto_score','cyto_score_detail','hla_high_res_6','hla_high_res_8','hla_high_res_10']] for columns in data_columns_nulls.columns: mean = data_train[columns].mean() print(f'{columns}: {mean}') ودي الخطاء TypeError: unsupported operand type(s) for +: 'int' and 'str'

السلام عليكم هو لو عندي قيم NaN ومسحتها هل اقدر بعد كده ان احساب المتوسط و اعوض القيمه الا انا مسحتها ؟

اه عشان مصممش نموذج خاص بالبيانات دي فقط تمام الف شكرااا جدا جدا لحضرتك يا أ.قيس والله الف شكرااا جزاك الله كل خير

انا اقصد مسابقه CIBMTR - Equity in post-HCT Survival Predictions عليها جويز ماليه

السلام عليكم فيه مسابقه في كاغل بيانات الاختبار قليل جدا جدا 4 صفوف فقط الا غير هل فيه تفسير ؟

تمام , جدا الف شكرااا جدا لحضرتك جزاك الله كل خير

السلام عليكم هو اي الاستفاد من ان اكتب كود لشبكه عصبيه من الصفر في المشاريع الحقيقي بدل استخدم الاوات الجاهز ؟