search for: particiones

I'am running CentOS 4.3 on an (Intel) with one SATA disk (/dev/sda). The output of fdisk -l: Disk /dev/sda: 81.9 GB, 81964302336 bytes 255 heads, 63 sectors/track, 9964 cylinders Units = cylinders of 16065 * 512 = 8225280 bytes Device Boot Start End Blocks Id System /dev/sda1 * 1 19 152586 83 Linux /dev/sda2 20 2569

Hello, how can install my CentOS 4.3 under Reiserfs from install? (clean install) I have to download the kernel from centosplus and integrate to my dvd and mofidy some things on anaconda or something? I hace already googled about this but some answers are too crazy than I'm get scared! I was thinking something like this: Format my S-ATA with other distro who support Resiserfs and when

Buen día, no sé si estoy utilizando bien la lista, es la primera vez. Si lo hago mal me corrigen por favor. Sobre tu comentario Pedro, muchas gracias. Lo qeu entiendo con tu sugerencia de set.seed es qeu de esa forma fijas los resultados, pero no estoy seguro si otra agrupación funcione mejor. Es decir me interesa un método de agrupación que genere la "mejor" agrupación y como los

Please provide a greater number of old versions for new Linux versions... For example, Im using Ubuntu 8.04 and it's ok... but I cant go to 8.10 cause there is no Wine 1.1.2 for that Ubuntu version provided .deb packages archive, and I cant launch some programs and games on higher Wines... And at least for now we dont rly have Wine working so well that we wouldn't want to try more than

...Pero creo que hay un concepto que no termina de aclararse. Creo que lo importante es quedarse con el modelo bueno, por ejemplo, imaginemos que queremos probar los siguientes algoritmos: RF, SVM, KNN, LDA.... Entonces hacemos lo siguiente: Probamos con todos ellos, para lo que se hacen particiones: Imaginemos que tengo un datasheet llamado datos, perfectamnte balanceado, sin datos faltantes, ni ruido ni nada asi. Entonces: for(i in 1:10){ train #saco el train de los datos test #saco el test de los datos pruebo RF, con diferentes configuaraciones (bucles j,k) pruebo SVM, con difer...

Hola, Eso es justamente lo que hace "caret" de una manera muy sencilla y sin que tú te tengas que preocupar de quedarte con el mejor bucket (del CV) o con la mejor combinación en tu "grid search". Te recomiendo que uses "caret" para esto.... Puedes incluso evaluar los dos algoritmos "RF" y "svm" a la vez y conocer realmente el nivel de precisión

...R Pero creo que hay un concepto que no termina de aclararse. Creo que lo importante es quedarse con el modelo bueno, por ejemplo, imaginemos que queremos probar los siguientes algoritmos: RF, SVM, KNN, LDA.... Entonces hacemos lo siguiente: Probamos con todos ellos, para lo que se hacen particiones: Imaginemos que tengo un datasheet llamado datos, perfectamnte balanceado, sin datos faltantes, ni ruido ni nada asi. Entonces: for(i in 1:10){ train #saco el train de los datos test #saco el test de los datos pruebo RF, con diferentes configuaraciones (bucles j,k) pruebo SVM, con diferen...

...R Pero creo que hay un concepto que no termina de aclararse. Creo que lo importante es quedarse con el modelo bueno, por ejemplo, imaginemos que queremos probar los siguientes algoritmos: RF, SVM, KNN, LDA.... Entonces hacemos lo siguiente: Probamos con todos ellos, para lo que se hacen particiones: Imaginemos que tengo un datasheet llamado datos, perfectamnte balanceado, sin datos faltantes, ni ruido ni nada asi. Entonces: for(i in 1:10){ train #saco el train de los datos test #saco el test de los datos pruebo RF, con diferentes configuaraciones (bucles j,k) pruebo SVM, con diferen...

...e. > > > > Creo que lo importante es quedarse con el modelo bueno, por ejemplo, > imaginemos que queremos probar los siguientes algoritmos: RF, SVM, KNN, > LDA.... > > > > Entonces hacemos lo siguiente: > > > > Probamos con todos ellos, para lo que se hacen particiones: > > > > Imaginemos que tengo un datasheet llamado datos, perfectamnte balanceado, > sin datos faltantes, ni ruido ni nada asi. Entonces: > > > > for(i in 1:10){ > > train #saco el train de los datos > > test #saco el test de los datos > > pruebo RF, con...

Estimados Escribo para consultar sobre el uso de modelos mixtos anidados. Los datos que estoy analizando provienen de censos de malezas en cuatro tipos de paisajes de la región pampeana, en los que seleccioné al azar igual número de lotes agrícolas cultivados con tres cultivos (maíz, soja y trigo-soja). En cada lote censé el número de especies de malezas en tres posiciones: el alambrado, el borde

...tante es quedarse con el modelo bueno, por ejemplo, >> imaginemos que queremos probar los siguientes algoritmos: RF, SVM, KNN, >> LDA.... >> >> >> >> Entonces hacemos lo siguiente: >> >> >> >> Probamos con todos ellos, para lo que se hacen particiones: >> >> >> >> Imaginemos que tengo un datasheet llamado datos, perfectamnte balanceado, >> sin datos faltantes, ni ruido ni nada asi. Entonces: >> >> >> >> for(i in 1:10){ >> >> train #saco el train de los datos >> >> test...

...or ejemplo, >>> imaginemos que queremos probar los siguientes algoritmos: RF, SVM, KNN, >>> LDA.... >>> >>> >>> >>> Entonces hacemos lo siguiente: >>> >>> >>> >>> Probamos con todos ellos, para lo que se hacen particiones: >>> >>> >>> >>> Imaginemos que tengo un datasheet llamado datos, perfectamnte balanceado, >>> sin datos faltantes, ni ruido ni nada asi. Entonces: >>> >>> >>> >>> for(i in 1:10){ >>> >>> train #saco...