В 12:20 точно линии градиента? Мы же по сути решаем систему ||Y - Xw||^2 -> min, ||w||^2 <= C. Радиус круга определяется константой С, а эллипсы - это линии уровня ||Y-Xw||^2. Может, я что-то путаю, но вроде так

Скажите, пожалуйста, что значит Scaler? Это слово вдруг появилось и без всяких пояснений.

Спасибо!

Спасибо, я из Добрянки, пытаюсь понять что то, мои извилины не воспринимают данный контент. ПОКА!!! Имею ввиду скоро буду понимать, 100 пудова без вариков ваще

я аналитик, работаю 2.5 получаю 250 на руки, сейчас ищу 380 и есль офферы, покв просто не принимаю, так как много НО за такие деньги. тем не менее сеньор 200 - это юмор.

Очень мощно и кратко, все по делу

Сложнослайд😅 огонь термин

Для кого непонятен вывод на 10:53 Latex-code: Это почти логистическая регрессия, проведем ряд формул Исходный функционал с логарифмами $-\sum_{i=1}^l[y_i=-1]log\sigma(<w,x_i>) + [y_i=1]log(1 - \sigma(<w,x_i>)) =$ Подставим сигмоиду $-\sum_{i=1}^l[y_i=-1]log\frac{1}{1 + exp(-<w,x_i>)} + [y_i=1]log(1 - \frac{1}{1 + exp(-<w,x_i>)}) =$ Приведем дробь к общему знаменателю в $log(1 - \frac{1}{1 + exp(-<w,x_i>)})$ и проделаем несложные операции с дробями $-\sum_{i=1}^l[y_i=-1]log\frac{1}{1 + exp(-<w,x_i>)} + [y_i=1]log(\frac{1}{1 + exp(<w,x_i>)}) =$ Воспользуемся свойством логарифма $log(1/x) = -log(x)$ - пропадет минус перед суммой $\sum_{i=1}^l[y_i=-1]log{1 + exp(-<w,x_i>)} + [y_i=1]log({1 + exp(<w,x_i>)}) =$ Слогаемые отличаются только знаком, заметим, что знак перед скалярным произведеним противоположени со знаком индикатора, то есть мы можем просто убрать разделение, заменив знак обратным $y_i$ $\sum_{i=1}^l log(1 + exp(-y_i \times<w,x_i>))$

Почему при вычислении производной в первом уравнении Xw стало X^T? На 6:26

Очень интересно но ничего не понятно:-(

нихуя не понял

Хорошее видео. На последнем слайде опечатка: в столбце про мошенников в разделе "Таргет" дублируется текст из столбца "Антиспам". А должно быть: 0 - мошенническая операция, 1 - обычная операция.

Лучше написать квадрат нормы: |Xw-y|^2, а не (Xw-y)^2.

просто оптимальный, не может быть наиболее или наименее оптимальный. Оптимум - он один!

Ребята, не слушайте его, он вас только запутает! 01:24 - это называется не НАБОР а МНОЖЕСТВО. "Множество пар" - ты математику то подучи чтоле... 03:38 - столюбцы ЧЕГО? Ты про что и где столбцы не говорил ещё? - Есть какое-то видео где про столбцы и заборчики рассказываешь - давай ссыль. 03:56 - что-то нигде в математике мне не говорили, что такое '"подход скелер" или "метод скелер", а я технический вуз закончил на отлично -- ты тоже не говорил пока. Ты с какой орбиты ведешь трансляцию, бро? 04:36 - так скелер это такой прибор (ну типа линейки). "инициализтировать скелер" это как? - Из коробки достать чтоле? Как это запоминать мне параметры? Параметры чего? Выборке чего? Train - а поезд тут причём? - Трава дорогая? 04:44 - ой там какой-то код програмный, ну конечно я должен догадаться какой, все же так умеют. Ну вангую что это Py. 06:19 - "Раскрыть значение этого функционала" - воспаде это на футболку печатать. Родной мой, тебя бросает то в математику, то в программирование, то в простые какие-то вещи, то в уродливые химеры из терминов которые твоя голова генерирует - А В ГОЛОВЕ У ТЕБЯ КАША! Я не говорю что материал ты НЕ знаешь, т.к. даже с такой кашей, ты можешь всё внутри себя как-то понимать, но матерь божья тебя огороди от необходимости что-то объяснять. Чтоб объяснить как сварить суп, надо понимать что такое кастрюля - без этого никак.

Иньеста уже не тот...

очень доступно, спасибо!

[yi=+1] это boolean [0,1]?

Не понятно как мы нашли веса в начале видео🤔что предсказывали то? если мы строим обычную регрессию, то нам ведь нужен какой-то таргет, для которого мы уравнение линейной регрессии строим.

Подскажите, пожалуйста, когда будет видео про бустинг?

Спасибо большое, наконец-то я понял, что такое логрег

Датушкин Валерий Саенсолович

Спасибо, очень понятно объяснили

Спасибо большое, очень хорошо обьясняешь

Круто, спасибо ! Очень напоминает CV, Yolo, нейросети )

🔥

Благодарю, интересно

Что там за лютый дедушка был, что даже Валерию до него далеко

Какое полезное видео. Спасибо большое

ебанат, линейная не потому что линейно относительно фич а относительно базисных функций

Отмечу, что линейную регрессию называют линейной именно из-за линейной комбинации базисных функций - это не связано с самыми базисными функциями (они могут быть линейными или нет).

7:59 если мы двигаемся в сторону антиградиента, то почему в итоговой формуле для весов берём тот градиент, который был посчитан выше? Перефразирую - не нужно ли было убрать минус перед двойкой?

Интересное видео + отсылки на брекин бэд, класс

Видео понравилось, но ни хуя не понятно !

Вопросы супер)

Спасибо за видео, хорошо рассказываете, правда я ничего не понял, но это только потому что я неуч.

Дисклеймер: данное видео о том, как убить свою самооценку за 14 мин😂

Спасибо большое очень помогли!

Очень круто! Я туповат, но здесь настолько всё по полочкам разложено, что почти всё понял! Спасибо огромное!

Курсы, курсы... Как на счёт книг?

Круто! Спасибо за подробные объяснения вещей, которые зачастую просто называют, не объясняя сути

t.me/start_ds - Тут публикуются материалы для прокачки скиллов в DS и подготовки к собеседованиям. Пишем про технические тулзы, визуализацию данных, бизнесовые задачи, разбираем ML-алгоритмы и обсуждаем смежные темы :)

kzbin.info/www/bejne/ooeoqaScqqmLmZo

Спасибо огромнейшее за понятный и интересный разбор этой темы! С нетерпением буду ждать следующих видео :)

t.me/start_ds - канал, где мы публикуем материалы для прокачки скиллов в DS и подготовки к собеседованиям, пишем про технические тулзы, визуализацию данных, бизнесовые задачи, разбираем ML-алгоритмы и обсуждаем смежные темы :)

t.me/start_ds - канал, где мы публикуем материалы для прокачки скиллов в DS и подготовки к собеседованиям, пишем про технические тулзы, визуализацию данных, бизнесовые задачи, разбираем ML-алгоритмы и обсуждаем смежные темы :)

t.me/start_ds - канал, где мы публикуем материалы для прокачки скиллов в DS и подготовки к собеседованиям, пишем про технические тулзы, визуализацию данных, бизнесовые задачи, разбираем ML-алгоритмы и обсуждаем смежные темы :)

t.me/start_ds - канал, где мы публикуем материалы для прокачки скиллов в DS и подготовки к собеседованиям, пишем про технические тулзы, визуализацию данных, бизнесовые задачи, разбираем ML-алгоритмы и обсуждаем смежные темы :)

Шортсы отличный формат👍

t.me/start_ds - канал, где мы публикуем материалы для прокачки скиллов в DS и подготовки к собеседованиям, пишем про технические тулзы, визуализацию данных, бизнесовые задачи, разбираем ML-алгоритмы и обсуждаем смежные темы :)