Это был хитрый план с комментарием под лекцией МФТИ с Суффиксным Автоматом) Успехов Вам! Я сам пару лет назад осваивал МЛ - именно по этой книге. Знания и практика - наше все!
Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems 2nd Edition, Kindle Edition
Владимир, спасибо за ответ. То что размерности не совпадут если не транспонировать это понятно. Просто смутило, что при перевороте матрицы мы уже перемножаем значения конкретной фичи на вероятности, которые соответствуют примерам.
Подготовиться и записать это очень много времени нужно потратить. Да и формат изложения не популярный. Аналитика просмотров говорит, что на просмотр видео тратят минуту, две. Но, вот есть идея записать про алгоритм калибровки вероятностей с использованием стриженных деревьев решений. Будет интересно?
@@mlpython1089 Да, я понимаю, что это трудоёмкий процесс. Возможно, стоит вложиться в рекламу на каких-нибудь русскоязычных каналах про DS/ML, чтобы увеличить число подписчиков. Формат сам по себе полезный, интересно наблюдать, как всё работает "под капотом", а не просто накатывать готовые sklearn-модельки через fit/predict. Для меня это ещё один способ время от времени освежить математику) Да, интересно, хотелось бы посмотреть.
Проблема автора в сухости подхода. Просьба обьяснять не только алгоритмы но и их суть. Какие проблемы решает..+сы и -сы. Сам код можно и гитхабе найти. И былобы здорово алгоритмы на реальных задачах.. не сферических коней в вакууме рассматривать а чтото жизненное. Цель ваших ролков обучать? А не под камеру набирать код.
На просторах есть много ресурсов, которые отлично справляются с задачей - научить. Мне их не переплюнуть. Поэтому цели кого то научить я и не ставил. Открыл канал чтобы узнать на сколько это сложно и начать относиться к другим авторам более лояльно. А на практике ML, в основном, не про алгоритмы ML, а про сбор, подготовку и анализ данных тестами.
@@mlpython1089 Я не с целью вас задеть написал. Я даже подписался на вас. Обязательно продолжайте. Я люблю самописные алгоритмы. Просьба развернутее описывать задачу и сами алгоритмы. И если есть возможность то используйтеи не синтетические датасеты в ближе к реальной жизни.
Отличный видос, спасибо!
Это был хитрый план с комментарием под лекцией МФТИ с Суффиксным Автоматом) Успехов Вам! Я сам пару лет назад осваивал МЛ - именно по этой книге. Знания и практика - наше все!
Подскажите, 7:17 какая книга?
Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems 2nd Edition, Kindle Edition
@@mlpython1089 спасибо❤️
Не очень понятно почему в производной берем X.T
Развернуть надо матрицу Х перед умножением на остатки чтобы получить веса. Иначе не получиться - размерности не сойдутся.
Владимир, спасибо за ответ.
То что размерности не совпадут если не транспонировать это понятно. Просто смутило, что при перевороте матрицы мы уже перемножаем значения конкретной фичи на вероятности, которые соответствуют примерам.
Подскажите, пожалуйста, а новые видео планируются?
Подготовиться и записать это очень много времени нужно потратить. Да и формат изложения не популярный. Аналитика просмотров говорит, что на просмотр видео тратят минуту, две. Но, вот есть идея записать про алгоритм калибровки вероятностей с использованием стриженных деревьев решений. Будет интересно?
@@mlpython1089 Да, я понимаю, что это трудоёмкий процесс. Возможно, стоит вложиться в рекламу на каких-нибудь русскоязычных каналах про DS/ML, чтобы увеличить число подписчиков. Формат сам по себе полезный, интересно наблюдать, как всё работает "под капотом", а не просто накатывать готовые sklearn-модельки через fit/predict. Для меня это ещё один способ время от времени освежить математику) Да, интересно, хотелось бы посмотреть.
Проблема автора в сухости подхода. Просьба обьяснять не только алгоритмы но и их суть. Какие проблемы решает..+сы и -сы. Сам код можно и гитхабе найти. И былобы здорово алгоритмы на реальных задачах.. не сферических коней в вакууме рассматривать а чтото жизненное. Цель ваших ролков обучать? А не под камеру набирать код.
На просторах есть много ресурсов, которые отлично справляются с задачей - научить. Мне их не переплюнуть. Поэтому цели кого то научить я и не ставил. Открыл канал чтобы узнать на сколько это сложно и начать относиться к другим авторам более лояльно.
А на практике ML, в основном, не про алгоритмы ML, а про сбор, подготовку и анализ данных тестами.
@@mlpython1089 Я не с целью вас задеть написал. Я даже подписался на вас. Обязательно продолжайте. Я люблю самописные алгоритмы. Просьба развернутее описывать задачу и сами алгоритмы. И если есть возможность то используйтеи не синтетические датасеты в ближе к реальной жизни.