add feedback

hw_1_KNN/code/knn.py

@@ -33,7 +33,7 @@ def predict(self, X, n_loops=0):
         elif n_loops == 1:
             distances = self.compute_distances_one_loop(X)
         else:
-            print('hi')
+            print('hi') # Hi))
             distances = self.compute_distances_two_loops(X)
 
         if len(np.unique(self.train_y)) == 2:

hw_1_KNN/feedback.md

@@ -0,0 +1,65 @@
+Отдельный респект за `requirements.txt`! На будущее, указывай туда еще и версии - потому что при если у тебя есть что-то, что в новой версии переделали, то код все равно может упасть.
+
+# 1. EDA
+## 1.1
+Вопросов нет, все отлично!
+
+## 1.2
+Супер! Вопросов нет. Но удобнее было бы реализовать через гистограмму, так понятнее масштаб различий
+
+## 1.3
+Вопросов нет, сплит реализован корректно, то, что используешь глобальный сид - тоже респект.
+
+
+## 1.4 KNN
+Это СУПЕР оригинальный способ взять только первые два индекса класса!!! Знаешь, я даже доп четвертинку балла поставлю!)
+
+Круто реализован подход без циклов! 
+
+Предсказания для классов реализованы правильно. Но можно сделать это в векторном виде сразу для всего `X`. Как? Подсказка - заменить операциями из нампая цикл в `predict_labels_binary`.
+
+
+
+Метрики для бинарной классификации реализованы правильно, но не учтены случаи, когда знаменатели равны 0, хотя про это предупреждали. Плюс для точности можно просто в векторном виде сравнить `y_true == y_pred` и поделить на общее число объектов. В остальном хорошо. Но мне придется снять тут полбалла. Ты же потом правильно сделала в векторном виде для многоклассовой точности!
+
+
+
+Я бы даже к=4 взял, все-таки мы смотрим на тест, а для трейна у нас мог быть сплит плохой. Для теста-то метрики хорошие все равно. Но 2 тоже нормально
+
+## 1.5 Multiclass KNN
+
+Опять же, печатай всегда, что за число ты выводишь! Очень важно для работы.
+
+# 2 EDA
+
+## 2.1
+
+EDA бедноват, не помешала бы гистограмма. Сниму четверть балла
+
+## 2.2-2.4
+
+Метрики реализованы правильно! В целом можно было бы воспользоваться предыдуще написанной функцией для подбора к, новую не писать, а только передавать метрику как аргумент.
+
+Отсутствует анализ выбора к, хоть и графики хорошие. Вынужден снять четверть балла
+
+
+# 3 Social
+
+Приходи на тусовку в следующий раз)
+
+Итог:
+- 1.1 - 0.5/0.5
+- 1.2 - 1/1
+- 1.3 - 0.5/0.5
+- 1.4 - 5.5/6  + 0.25
+- 1.5 - 2/2 
+- 2.1 - 1.75/2 
+- 2.2 - 1/1
+- 2.3 - 3/3
+- 2.4 - 1.75/2 
+- 3 - 0
+
+
+ШТРАФЫ: У тебя их нет) Отдельное спасибо тебе за `requirements.txt`, это очень хорошо, что ты его вставила, впредь пожалуйста делай это с версиями. Поэтому я за негро тебе тоже хочу добавить 0.25 балла!
+
+TOTAL: 16 + 0.5 = 16.5