Mano, entendi o nome do canal, didática tech... a Didática é boa! A melhor explicação de overfiting que já vi, a mais simples e certeira... Parabéns pra vocês!
Parabéns, achei esse canal por acaso e me surpreendi muito. O conteúdo é excelente e as explicações são super didáticas. Facilitou demais os estudos. Muito obrigado
Boa explicação ! Neste caso então para verificar o overfitting por exemplo , eu devo comparar a variável target do treino com a variável target real do do próprio treino ?
Primeiro, parabéns a equipe!! Eu tb tenho gostado muito dos vídeos... tô gatinhando no assunto e os vídeos tem ajudo. Gostaria de dividir uma dúvida... Quando vc mensiona que pode ocorrer overfitting, penso no vício como sendo uma falta de interpretação da máquiva. Assim, a máquina lê e processa os dados, mas não consegue reconhecer os dados novos (teste). É isso que estou pensando? Ainda... Posso pensar que seria a falta de aprendizagem da máquina que levaria ao overfitting?
4 года назад
A falta de aprendizagem leva ao underfitting. Overfitting é quando a máquina "aprendeu demais" a se ajustar aos dados de treino, sem conseguir generalizar depois para casos diferentes
A curva ondulada apresenta um defasamento em relação aos dados de teste . Se for possível conhecer e aplicar uma constante de defasamento no modelo da curva ondulada poderia dar uma melhor previsibilidade aos dados de teste!
4 года назад
Esse exemplo foi apenas ilustrativo, na prática não haverá um defasamento previsível como esse, haverá apenas inconsistência na previsão
E quando acontece ao contrario? EM dados de treino os dados ficarem ruim, e os dados de testes conseguirem explicar relativamente bem
3 года назад
Muito difícil acontecer isso, pois se um modelo não conseguiu aprender nem com os dados de treino, o teste deve ser ainda pior. Seria como um aluno ir mal em uma prova onde as respostas já estão dadas e ir bem sem as respostas
Parabens pelo empenho, suas aulas sao muito boas, conteudo que a gente geralmente nao encontra no brasil com qualidade, abracos
Rapaz, você conseguiu com recursos arcaicos realizar uma aula espetacular. Sinal que a didática supera os recursos. Obrigado pelo conteúdo.
Até que enfim, alguém que sabe muito e tem didática. Parabéns!!!
Suas explicações são excelentes. Sempre que vejo alguma coisa nova de difícil compreensão, passo por aqui e saio sem nenhuma dúvida. Parabéns.
A didática de milhões!
Olha essa explicação. Assisti a um outro vídeo de1h que nao conseguiu explicar tão bem quanto esse. Parabéns e muuuito obrigado. Amei o canal.
To transcendendo com essas aulas!
Dkkdkdkd
uau até que enfim entendi overfitting de uma forma plausível
você tem uma otima forma de ensino amigo. Obrigado .
parabéns! didática ótima. muito obrigada pelos vídeos.
Excelente aula! Obrigado por disponibilizar esse conhecimento.
Mano, entendi o nome do canal, didática tech... a Didática é boa! A melhor explicação de overfiting que já vi, a mais simples e certeira... Parabéns pra vocês!
Excelenteeee!! parabéns e obrigada pelo trabalho!
Muito legal. Seria bacana se tivesse falado quais técnicas que são utilizadas para resolver over e under!
Aula muito top! Obrigada professor!
Que aula esclarecedora!!! Muito obrigado!
Explicação perfeita cara, excelente
Poxa, tava tentando entender nos livros o que seria o overfitting e era algo tão simples. Valeu, tô amando a playlist.
Parabéns, achei esse canal por acaso e me surpreendi muito. O conteúdo é excelente e as explicações são super didáticas. Facilitou demais os estudos. Muito obrigado
Parabéns pela iniciativa de disseminar um assunto difícil e complexo, bem explicado parabéns mesmo !
O vídeo foi excelente, especialmente a explicação inicial com o uso dos gráficos, trouxe uma compreensão perfeita desses conceitos. Muito obrigado!
ótima explicação.....obrigado professor
bora pra mais uma!
Parabens pela didatica voce é o cara
único vídeo que fez entender esse assunto, obrigado!
Eita porra o cara além de manjar de música da aulas de machine learning? Muito bom!
Parabéns pela excelente aula querido jovem professor. esse conteúdo não é encontrado no brasil assim tão bem explicado.
Excelente vídeo, muito obrigado!
Muito bem explicado. Obrigado.
Caraca, melhor explicaçaõ impossivel, valeu bro...
Excelente 👏!
Muito boa a explicação, melhor vídeo que já vi sobre esses conceitos!
Excelente aula!
Parabéns!! Melhor explicação impossível!
mano meus parabéns, suas aulas são perfeitas!
Excelente!
A forma com que você explica em seus vídeos é excelente! Parabéns e sucesso.
Ótimo vídeo amigo
Muito bom cara!!! Assisti 1h de aula e não entendi nada, passei alguns minutos e entendi muito bem. Valeu ❣️
Conteúdo ótimo!!!!
aula sensacional
ótima aula!
Ótima explicação!
Muito Obrigado!
Gênio!!
No começo deu uma confundida, mas depois entendi muito bem, muito obrigado pela aula.
Muito didático. Parabéns!!
Excelente, explicação bem didática.
muito bom, parabéns!
perfeito demais,melhor canal
Que didática excelente!
Excelente didática! Parabéns !
Parabens man, otima explicação me ajudou muito a aprender
seu conteúdo é fantástico, parabéns!!!
Boa explicação ! Neste caso então para verificar o overfitting por exemplo , eu devo comparar a variável target do treino com a variável target real do do próprio treino ?
Excelente explicação
Parabéns!! Muito diadático!
Parabéns! Gostaria de saber se tem algum vídeo comparando dois modelos por exemplo: SVM (Support Vector ) e Floresta aleatória ou Random Forest.
Comparando não, mas ensinamos cada um deles com detalhes em nosso módulo 2: didatica.tech/curso-de-machine-learning-2-com-python/
Que arte linda essa ai atrás. Você dizer quem é o autor?
qual melhor critério pra escolher os dados de teste, e os dados de treino?
Primeiro, parabéns a equipe!!
Eu tb tenho gostado muito dos vídeos... tô gatinhando no assunto e os vídeos tem ajudo.
Gostaria de dividir uma dúvida...
Quando vc mensiona que pode ocorrer overfitting, penso no vício como sendo uma falta de interpretação da máquiva. Assim, a máquina lê e processa os dados, mas não consegue reconhecer os dados novos (teste). É isso que estou pensando? Ainda... Posso pensar que seria a falta de aprendizagem da máquina que levaria ao overfitting?
A falta de aprendizagem leva ao underfitting. Overfitting é quando a máquina "aprendeu demais" a se ajustar aos dados de treino, sem conseguir generalizar depois para casos diferentes
A curva ondulada apresenta um defasamento em relação aos dados de teste . Se for possível conhecer e aplicar uma constante de defasamento no modelo da curva ondulada poderia dar uma melhor previsibilidade aos dados de teste!
Esse exemplo foi apenas ilustrativo, na prática não haverá um defasamento previsível como esse, haverá apenas inconsistência na previsão
@ É verdade na prática não funciona assim
Queria muito ver a aplicabilidade 😢
a aula foi muito boa, mas especificamente quanto % os resultados da base de teste podem ser diferentes das de treinamento
Excelente! Mas uma dúvida, esse cara no fundo é o Ronaldinho Gaúcho?
Will Smith, Eu robô
Treino é treino. Jogo é jogo.
Como que eu evito um modelo ficar de ficar overfitted ao dado de treino?
Diminuir a quantidade de parâmetros do modelo costuma ser um bom caminho
Então machine learning é basicamente estatística?
Sim
E quando acontece ao contrario? EM dados de treino os dados ficarem ruim, e os dados de testes conseguirem explicar relativamente bem
Muito difícil acontecer isso, pois se um modelo não conseguiu aprender nem com os dados de treino, o teste deve ser ainda pior.
Seria como um aluno ir mal em uma prova onde as respostas já estão dadas e ir bem sem as respostas
Sera q da pra prever a mega sena hahaha
Evite usar vermelho e verde nos exemplos, pessoas daltônicas como eu podem não enxergar a diferença entre ambas.
Obrigado pela observação Rômulo. Peço desculpas!
Excelente didática no conteúdo.
Show de bola!
Muito obrigado pela ótima explicação!
Ótimo explicação. Muito obrigado!