В общем, на практике,  из известных алгоритмов, на больших данных (миллионы обьектов), кнн и свм не подьемны

Кубическая сложность ломается уже на 10000

RBF — это не самостоятельная модель. Это ядро (радиально-базисная функция). Используется в том же свм, например.

Но общая идея учить свм и кнн для временного ряда — так себе идея изначально

Всем привет! Вопрос из разряда детского сада... Есть выборка, я его разделил на тренировочную, валидационную и тестовую выборки, Можете описать, как я должен сравнить метрики качества, в каком последовательности и когда происходит подбор гиперпараметров и на какой из выборок? Буду благодарен!

Мне кажется вам лучше в учебнике почитать разобраться а если что не ясно уточнить тут. Это тема отдельного занятия

А что помимо LSTM было бы хорошей идеей?

если для time-series, то так, на вскидку:
        сетки:
 1. CNN-univariate
 2. multi-channel CNN with multivariate input data via channels
 3. multi-headed CNN with multivariate input data via submodels
 4. Vanilla LSTM model with vector output for multi-step forecasting with univariate input data.
 5. Encoder-Decoder LSTM model for multi-step forecasting with univariate input data
 6. Encoder-Decoder LSTM model for multi-step forecasting with multivariate input data
 7. CNN-LSTM Encoder-Decoder model for multi-step forecasting with univariate input data.
 8. ConvLSTM Encoder-Decoder model for multi-step forecasting with univariate input data.
        другое:
       1. xgboost
       2. catboost
       3. random forest
       5. Prophet
       6. Exponential Smoothing
       7. SARIMA

Спасибо, а где можно поискать хорошие готовые архитектуры желательно с пояснениями?

Привет. Подскажите, пожалуйста, почему в задании "Линейная регрессия и стохастический градиентный спуск" (курс 2 неделя 1) когда переходим от градиентного спуска по всем наблюдениям к одному наблюдению (стох), то в знаменателе формулы все равно остается деление на l (общее число наблюдений)? Оно не должно быть равно единице? Иначе получается, что наблюдений как будто все равно l, но все, кроме одного, равны 0 по x и y

Вы путаете понятия объём обучающей выборки и количество объектов обучающей выборки

Всем привет!
Проверьте, пожалуйста, мою работу

https://www.coursera.org/learn/mathematics-and-python/peer/4vN1n/tsientral-naia-priediel-naia-tieoriema-svoimi-rukami/review/RJuI7F5qEeumbAqQIoY8Bw

#C1W4

Для меня эти словосочетания звучат как синонимы. А в чем разница?

Как у выборки может быть объем?

Только он у неё и есть

Количественная характеристика пространства занемаемого телом?

ну чего ты к словам придираешься ) ясно же, что имелось в виду

тем более, так уже устоялось

Нет и это не я придумал

А медиана и гипербола не вызывают у вас двойного толкования?