Fork me on GitHub
Slack Archive

This page is not created by, affiliated with, or supported by Slack Technologies, Inc.

2016-05-31

Channels

#clojure-greece
<
2016-05-31
>
gtsiftsis10:05:43

καλημέρα

gtsiftsis10:05:01

δεν είναι έτοιμο για clojar

apod10:05:01

kalimera

apod10:05:03

nice 🙂

gtsiftsis10:05:11

θα γίνει σε λιγο είναι απλό

gtsiftsis10:05:27

θέλω να το δουλέψω λίγο ακόμα

gtsiftsis10:05:35

όποιος έχει όρεξη και βασικά χρόνο

gtsiftsis10:05:40

ελεύθερα

stathissideris15:05:11

meetup pote tha kanoume?

stathissideris15:05:42

@gtsiftsis: to confusion-matrix einai poly stateful, giati??

stathissideris15:05:41

ennow, to data kai to classes giati den einai apla parameters?

stathissideris15:05:29

@greenonion: xm, to idio isxiei kai gia to clj-naive-bayes

greenonion16:05:47

stathissideris: true

greenonion16:05:01

ειναι project που ειχε ξεκινησει ο chief πριν 2 χρονια οταν μαθαινε clj

greenonion16:05:05

και επαιζε με τα atoms

greenonion16:05:18

το naive bayes εννοω

stathissideris16:05:38

a ok. to confusion matrix to ekana fork 🙂

stathissideris16:05:47

alla den to exw ftiaksei akoma

greenonion16:05:57

ωστοσο

greenonion16:05:05

το atom που εχιε

greenonion16:05:12

το κανει για να κανει train in parallel

greenonion16:05:15

στο naive bayes

greenonion16:05:24

αυτο δεν ειμαι 100% σιγουρος πως γινεται χωρις state

stathissideris16:05:48

nai ayto htan ligotero ksekatharo, kyriws gia to confusion matrix gkrhniazw

greenonion16:05:18

καποια στιγμη θα σου ζητησω γνωμη για ενα εναλλακτικο design στο naive bayes

greenonion16:05:34

οπου προσπαθω να αντικαταστησω τα multimethods με records/protocols

greenonion16:05:54

και γενικα εχω σπασει το κεφαλι μου να βρω εναν «καλο» τροπο

stathissideris16:05:00

pou sygekrimena?

greenonion16:05:04

ασε που στην αρχη ετρωγα συνεχεια circular dependencies

greenonion16:05:42

βασικα εφοσον το multiple dispatch γινεται σε επιπεδο classifier

greenonion16:05:50

στην train και την classify

greenonion16:05:59

σκεφτομουν οτι ενα protocol με αυτες τις δυο

greenonion16:05:06

και αντιστοιχα records που τις υλοποιουν

greenonion16:05:11

ειναι πιο «καθαρο»

greenonion16:05:52

εχω ενα branch που πειραματιζομαι, αν δεις ειναι https://github.com/chief/clj-naive-bayes/blob/stuff/src/clj_naive_bayes/protocols.clj εδω το protocol

greenonion16:05:37

ειναι το καλυτερο που μπορεσα να κανω

greenonion16:05:56

εψαξα και λιγο GH να βρω κανενα project που να το κανει αυτο αλλα δεν εβγαλα ακριβως ακρη

greenonion16:05:12

(σε ελιωσα στην πληροφορια, σορι 🙂 )

stathissideris16:05:50

se prwth anagnwsh den mou fainetai asxhmo

stathissideris16:05:38

vevaia to pantrema records+protocols "myrizei" classes

stathissideris16:05:58

kai pia to OOP to vlepw me poly kaxypopsia

greenonion16:05:16

ισχυει αυτο που λες

greenonion16:05:37

κι εγω μερικες φορες σκεφτομουν οτι θυμιζει Ruby 😛

greenonion16:05:01

απο την αλλη, δεν ειναι περιπτωση που θες multiple dispatch θεωρητικα στο client API σου;

greenonion16:05:19

δηλ ο consumer φτιαχνει τον classifier χωρις να τον νοιαζει ποιες μεθοδους πρεπει να καλεσει

greenonion16:05:29

I guess η εναλλακτικη ειναι ο καθε classifier να εχει το δικο του ns

greenonion16:05:51

και να ειναι implicit η συμβαση οτι θα εχει μια train, μια classify etc εκει

stathissideris16:05:24

oxi, isws na einai apo tis liges periptwseis pou o syndiasmos vgazei nohma

stathissideris16:05:41

o syndiasmos records+protocols

stathissideris16:05:50

egw to apofeygw oso mporw genika

greenonion16:05:09

κι εγω, στο project που εχουμε στη δουλεια δεν εχουμε καθολου protocols

stathissideris16:05:15

alla se ayth thn periptwsh exeis ena state-holding record pou prepei na mporei na kanei 3 pragmata

greenonion16:05:27

ναι, καπως ετσι

greenonion16:05:37

και επειδη το train step ειναι και χρονοβορο

greenonion16:05:42

θες σιγουρα να το κρατας

greenonion16:05:58

θενκς 🙂

stathissideris17:05:21

np! exeis skeftei na mporeis na kaneis serialize ton kathe classifier on disk?

greenonion17:05:56

ναι, αν και με πολυ naive τροπο, ως csv

stathissideris17:05:16

pio "fthno" se development time

greenonion17:05:53

ηταν πρακτικος ο λογος, δεν ξαναδιαβαζα ποτε τον classifier αλλα τον διαβαζε Ruby κωδικας

greenonion17:05:10

και τωρα παλι Ruby κωδικας θα τον διαβαζει απλως θα ειναι json τελικα

greenonion17:05:20

ενταξει, ειναι μετριο αρχιτεκτονικα

greenonion17:05:25

αλλα ειναι θεμα χρονου

stathissideris17:05:40

to wraio einai oti me EDN mporeis na grapseis kanonika ta records

stathissideris17:05:47

(an kai den kserw ti paizei me ta atoms)

greenonion17:05:54

δεν εχω παιξει ποτε με EDN

greenonion17:05:59

σιγουρα θα ηθελα

greenonion17:05:06

αραγε υπαρχει Ruby parser;

greenonion17:05:09

σιγουρα θα υπαρχει

greenonion17:05:37

και Russ Olsen author

stathissideris17:05:51

nai siga mhn den yphrxe 🙂

greenonion17:05:57

χαχα ισχυει!

greenonion17:05:06

btw με core.matrix κλπ εχεις παιξει καθολου;

stathissideris17:05:28

oxi, den exw kanei idiaitera machine learning

stathissideris17:05:36

opote den exei xreiastei

greenonion17:05:56

φαινεται να εχει κανει καλη δουλεια αυτος ο mikera

greenonion17:05:09

αλλα προφανως δε συγκρινεται το community με python

greenonion17:05:12

ουτε κατα διανοια

greenonion17:05:36

παρολα αυτα παιζω λιγο γιατι μια παραλλαγη του naive bayes δε γινεται αλλιως

greenonion17:05:39

οποτε ευκαιρια ειναι 🙂

stathissideris17:05:18

einai ayto pou exei polla diaforetika backends e?

greenonion17:05:01

2 νομιζω ειναι production-ready

greenonion17:05:21

το κακο ειναι οτι αναγκαστικα ειναι πολυ trial and error

greenonion17:05:27

για να δεις πως δουλευει τι

stathissideris17:05:42

logw elleipshs documentation?

greenonion17:05:34

και examples

stathissideris17:05:55

toulaxiston ayto ginetai sto repl!

stathissideris17:05:58

to trial and error ennow

greenonion17:05:11

καλα ναι

greenonion17:05:22

βασικα αλλιως θα το παρατουσα 🙂

greenonion17:05:28

αλλα εχω ενα python repl

greenonion17:05:30

κι ενα clojure

greenonion17:05:38

και κοιταω να παιρνω τα ιδια αποτελεσματα

greenonion17:05:46

οταν μεταφερω τον κωδικα απ’ το scikit

stathissideris17:05:34

tha to koitaksw to scikit, isws na einai kalos tropos na mathw ligo gia machine learning

greenonion17:05:12

true, ειναι ωραιο προτζεκτ

greenonion17:05:28

και απ’ οτι καταλαβαινω το χρησιμοποιουν και production εταιρειες πχ spotify

greenonion17:05:54

τα συζηταμε κι απο κοντα τα ML

stathissideris17:05:23

ayto to incanter den exei tipota ML mesa?

greenonion17:05:00

κατι εχει

greenonion17:05:06

κυριως statistics ομως

greenonion17:05:18

και πραγματα για visualisation κλπ

greenonion17:05:29

το κακο ειναι πως φαινεται λιγο παρατημενο κι αυτο