Tag: guía

Guía paso a paso para crear y comparar el aprendizaje federado FedAvg y FedProx en CIFAR-10 sin IID con NVIDIA FLARE

CLIENT_SCRIPT += r”’ def main(): p = argparse.ArgumentParser() p.add_argument(“–num_sites”, tipo=int, predeterminado=3) p.add_argument(“–alpha”, tipo=float, predeterminado=0.3) p.add_argument(“–local_epochs”, tipo=int, predeterminado=1) p.add_argument(“–mu”, tipo=float, predeterminado=0.0) p.add_argument(“–max_samples”, tipo=int, predeterminado=4000) p.add_argument(“–batch_size”, tipo=int, predeterminado=64) p.add_argument(“–lr”, tipo=float, predeterminado=0.01) p.add_argument(“–data_root”,…

Una guía de codificación que implementa flujos de trabajo de explicabilidad SHAP con comparaciones de explicadores, enmascaradores, interacciones, deriva y modelos de caja negra

print(“\n” + “=”*72) print(“PARTE 3: Descomposición de la interacción”) print(“=”*72) inter = tree_expl.shap_interaction_values(X_te.iloc) inter_abs = np.abs(inter).media(0) diag = np.diagonal(inter_abs).copia() off = inter_abs.copia(); np.fill_diagonal(off, 0) main_share = diag.sum() / (diag.sum() +…

Una guía de codificación para la corrección del sesgo de la encuesta utilizando el equilibrio de investigación de Facebook con la clasificación IPW CBPS y los métodos de posestratificación

higo, ejes = plt.subplots(2, 2, tamaño de higo=(14, 10)) colores_a = ejes.bar(lista(asmd_means.keys()), lista(asmd_means.values()), color=colors_a) ejes.axhline(0.1, ls=”–“, color=”red”, label=”0.10 umbral de desequilibrio”) ejes.set_title(“ASMD media entre covariables”) ejes.set_ylabel(“ASMD medio”); ejes.legend() ejes.tick_params(axis=”x”, rotación=20)…