Size: a a a

Machine learning

2021 June 08

PK

Pavel Kozlov in Machine learning
Ну да, так и пишут типо мы использовали в решении механизмы лин алгебры?
источник

PK

Pavel Kozlov in Machine learning
Ок спасибо
источник

RN

Roman Nm in Machine learning
Нет
источник

RN

Roman Nm in Machine learning
Может, конечно. L2 регуляризация тоже уменьшает веса
источник

K

K-S in Machine learning
так строго говоря оно может и не занулить ничего
источник

ВG

Виталий Gatsko... in Machine learning
А можно пример, когда лассо оставит вес без изменения?
Просто если для веса w у нас оптимум квадратичной ошибки и мы добавляем модуль w к функции потерь, то должно существовать такое малое изменение w, что модуль w уменьшится сильнее, чем вырастет квадратичное отклонение прогноза от факта, т.е. это изменение уменьшит функцию потерь
источник

RN

Roman Nm in Machine learning
Естественно, надо сравнивать не с регрессией без регуляризации, а, скажем, с L2. По сравнению с L2 какие-то веса занулит, какие-то просто уменьшит, а какие-то и увеличить может.
источник

K

K-S in Machine learning
на слайде 19 можно увидеть на каноничном примере с ромбиком. Там к слову есть и другие регуляризации помимо стандартных L1,L2, эластичная сеть http://www.machinelearning.ru/wiki/images/a/a2/Voron-ML-regression-slides.pdf
источник

ВG

Виталий Gatsko... in Machine learning
Там как раз видно, что по сравнению с исходным оптимумом и по одной оси, и по другой случилось уменьшение координаты
источник

K

K-S in Machine learning
Тьфу ты, да-да, вы правы.
источник

PK

Pavel Kozlov in Machine learning
Я это к тому что по большому счету это же мы просто выбрали такой способ решения перевести в вектора слова и решать как будто мы находимся в н мерномпространстве линейном с такими то свойствами и тп формально никто не говорит на самом деле что это хорошее или тем более лучшее решение
источник

М

Манкурт Кобейн... in Machine learning
Доброго всем дня. Хотел посоветоваться с уже бывалыми. Насколько много внимания нужно уделить освоению теорвера и матстата? Достаточно ли какого-то беглого ознакомления и понимания самих концепций, и следует побыстрее переходить именно к алгоритмам машинного обучения, или же на теорвере и статистике желательно конкретно так задержаться?

С прогой у меняя более-менее  ничего(понимаю базовые алгоритмы и структуры данных, уже имел работу джуниором пайтон веб девелопером), а вот с математикой похуже: в данный момент иду по сжатому математическому курсу от одной интернет-площадки, где материалы даются весьма сжато, но, в целом, понятно. Блоки с матаном и линалом я прошёл, сейчас блок теорвера и матстата, и мне бы понять, насколько подробно стоит на них остановиться, т.к. много раз слышал, что для машоба это суперважные разделы
источник

SB

Symbat B in Machine learning
Добрый вечер! кому обратиться, чтобы в курсере открыли доступ к определенному курсу по яндекс ?
источник

V

Valery in Machine learning
бесплатно типа? нужно написать на фин помощь по конкретному курсу, кнопка должна быть
источник

V

Valery in Machine learning
ну практика показывает, что в массовых вещах встретить можно что угодно - и со знанием, и без. Но всегда лучше знать больше, чем меньше
источник

AO

Alex Ololo in Machine learning
ахах. тру
источник

М

Манкурт Кобейн... in Machine learning
Я понимаю. Проблема в том, что я несколько по времени ограничен: нужно получить работу, пока не кончились накопления(месяцев через 6)
источник

V

Valery in Machine learning
тогда лучше ботать вопросы на собеседованиях )))
источник

М

Манкурт Кобейн... in Machine learning
Думаю, это совсем провальная тактика
источник

V

Valery in Machine learning
да нет рецепта...кто-то всю курсеру съел и ищет до сих пор, а кому-то буткампа хватило
источник