Машинное обучение 6. Decision trees and Ensembles
HTML-код
- Опубликовано: 8 сен 2024
- Ссылка на материалы занятия: github.com/gir...
Семинар: материалы доступны по ссылке выше, запись этого семинара отсутствует.
1:36 - интуитивное понимание (классификация)
4:20 - интуитивное понимание (регрессия)
6:43 - построение деревьев
9:50 - Information criteria
13:14 - entropy criteria
20:48 - max entropy
32:12 - Gini impurity
38:32 - regression problem
44:44 - pruning
47:35 - missing values
49:03 - linear models, categorical features
54:50 - offtop, overview
56:40 - bootstrap
1:04:27 - bagging
1:09:23 - Random Forest
1:13:45 - OOB
1:20:00 - RF & kNN
Лекции по машинному обучению: • Машинное обучение, осн...
Семинары по машинному обучению: • Машинное обучение, осн...
Дата лекции: 26.03.2020
Лектор: Радослав Нейчев
Монтировал: Роман Климовицкий
Спасибо за интересные лекции.
Это хорошая возможность для меня сменить профессию в 37 лет))
отличный лектор! спасибо!
Отличная лекция.
"Давайте займемся математикой и здравом смыслом" - более оксюморонного высказывания я не слышал
12:45 - Information criteria
40:05 - Краткое напоминание построения дерева
40:46 у нас тоже во дворе иногда пьяные животные поют
Круто! Спасибо! Куда донатить?
Мне не хватает смешливой девушки на фоне.
насчет энтропии - как же так! Ну нельзя просто взять и посчитать производную. dx^3/dx = 3x^2 -> x = 0, но x^3 не ограничена. Тем не менее утверждение верное, предлагаю доказать в качестве упражнения.
"...Эта проблема - как лучше составить мнение о книге: внимательно ее изучив или собрав много отзывов от людей, невнимательно ее просмотревших, - напоминает известную задачу. Никому не позволяется видеть китайского императора. Спрашивается, какой длины нос у китайского императора? Чтобы это выяснить, предлагается обойти всю страну и у каждого жителя спросить, что он думает о длине носа императора. Потом вывести среднее арифметическое. Ответ будет очень "точным", так как вы усредните гигантское множество мнений".