search for: particions

...v/sda3 2570 2700 1052257+ 82 Linux swap /dev/sda4 2701 9964 58348080 5 Extended /dev/sda5 2701 9964 58348048+ 83 Linux So, I have an identical second disk (sdb) connected... My question is: How can I build a RAID 1 of all my particions of sda using mdadm? Something like this: /dev/md0 --> /dev/sda1 and /dev/sdb1 /dev/md1 --> /dev/sda2 and /dev/sdb2 /dev/md2 --> /dev/sda5 and /dev/sdb5 Regards Israel

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

Una vez que tienes la técnica y los parámetros óptimos resultantes de la validación cruzada, ya tienes el modelo que necesitas, NO tienes que hacer nada más. Si vuelves a modelar con todos los datos todo el trabajo de validación que has hecho lo envías a hacer gárgaras. Estarías construyendo un modelo con sobreajuste. Para quedarte tranquilo, haz la prueba, coge el modelo resultante de la

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

El algoritmo en sí no, pero si quieres ajustar los parámetros (número de árboles, tamaño del nodo, etc.) hay que hacerlo. En la práctica te puedo asegurar que hay diferencia entre usar 500 árboles o 100, igual que el tamaño del nodo que cojas; afinar los parámetros puede suponer ajustar bastante los resultados. Un saludo Isidro Hidalgo Arellano Observatorio del Mercado de Trabajo

No, llega un momento en el que más árboles no te supone mejoría, e incluso funciona peor. Que funcione peor lo atribuyo al ruido, porque en teoría no tiene mucho sentido, la verdad... Pero no he probado a coger más árboles de los "necesarios". Lo probaré… Un saludo De: Jesús Para Fernández [mailto:j.para.fernandez en hotmail.com] Enviado el: viernes, 02 de junio de 2017 14:54

?Hola, Puedes ver aquí un ejemplo de cómo comparar varios modelos usando "caret". https://stackoverflow.com/questions/14800021/statistics-of-prediction-for-multiple-models-with-caret O mejor en el propio manual de "caret", en esta sección: https://topepo.github.io/caret/model-training-and-tuning.html#exploring-and-comparing-resampling-distributions Y como recomendación te

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

Si nos dices el tipo de problema que estás intentando solucionar y el tamaño del dataset podemos recomendarte algo más. En tu pseudo-código mezclas algoritmos supervisados y no-supervisados. Además de ranger, daría alguna oportunidad a "gbm" o como no a "xgboost". Y éstos los probaría dentro de H2O. Saludos, Carlos Ortega www.qualityexcellence.es El 4 de junio de 2017,

H2O va bien (muy bien) tanto en un ordenador sobremesa/portátil y sobre un clúster. En uno de sobremesa si tienes buena RAM y muchos cores, mejor. Y no tienes porqué usar Spark si no necesitas una solución tiempo real o "near real-time". H2O tiene otra solución para interaccionar con Spark (Sparkling Water). Incluso sobre un clúster, puedes usar "sparklyr" y