ЦОС Python #1: Метод наименьших квадратов

[@fakhrutdinovski]

Золотой человек. Честный. По факту. Вот кто должен быть в универе ректором и убирать неадекватных людей с должностных лиц, а то некоторые профессоры возомнили что слишком много знаю. Лайк - 100% заслуженно. Просмотров тебе и славы

[@СтаниславКняжнин]

Исключительно поддерживаю комментаторов ниже! Такие люди как автор - золотой фонд интеллектуальной элиты нашей страны.

[@alexeygrom1834]

единственное видео во всем ютубе с объяснением откуда есть берутся квадраты в регрессии. Спасибо !!!

[@sanyajonny2833]

Ну если не слышали про функцию правдоподобия то да, но я сам видел лекции где этой проблеме выделялся час времени, так же само для классификации максимизируется правдоподобие распределения бернулли и получается бинарная кроссэнтропия в качестве лоса.

[@martinfinger3155]

Спасибо большое за ролик, очень качественные объяснения сложной темы.

[@raybradbury4701]

Спасибо! Редкая способность объяснять ёмко и понятно.

[@РусланПолянский-ъ5р]

Видео отличное. Преподаватель -высший класс! Спасибо большое.

[@СарматПересветов]

Самое подробное и понятное обьяснение которое можно найти. Спасибо за урок!

[@OleksiiTkachenko-z5w]

Потрясно! То, что искал. С первого раза не совсем понял как происходит минимизация, но просмотрев несколько раз дошло. Отличное изложение ♥️

[@Искатель-э3й]

Вот это я понимаю объяснение! Всё по полочкам разложено, большое спасибо)

[@geralt5664]

От студента 1 курса мфти - автору огромное спасибо!

[@maximbravtsev3648]

Спасибо вам за передачу знаний!

[@НиколайЛазарев-х4с]

Очень понравилось изложение. Всё понятно, большое спасибо!

[@ВалентинДмитриев-х9х]

Потрясающий канал ! И такая же подача!!

[@zerox2536]

Я видео пока не начал смотреть, уже подписался🤣

[@bujhmybrjkftd643]

спасибо, очень ценный материал!

[@user-on8eg7ny1g]

Спасибо! Нормальное понятное объяснение на пальцах!

[@dicloniusN35]

срочно надо весь канал посмотреть

[@andrus3125]

Круто, умеете объяснять

[@VIP-iu5rj]

Ты лучший, я в честь тебя назову сына))))

[@dizogdizog2591]

Супер!! чтобы освоить numpy plotlib это самое то!!!

[@14types]

Блин, что-то похожее я "изучал" в универе (КГУ ВМК), но на деле прогуливал и играл в Варкрафт3. И дипломная была про апроксимации функций в каких-то гильбертовых пространствах. Я ничего не учил, блин, даже дипломную назвать не могу. Теперь уже самостоятельно изучаю.

[@shncl]

чел ты легендарный

[@clever-cat]

Спасибо! Помог реализовать данную аппроксимацию в JavaScript. И немного понять Python

[@ПриколЧМО.СОМ]

ImportError: DLL load failed while importing _cext: Не найден указанный модуль.

[@marines8725]

спасибо!

[@СарматПересветов]

хотел спросить, с чем может быть связано: попытался данным методом апроксимировать функцию f(x) = 0.3х^2 - 2х + 1. использовал для апроксимации параболу, соответственно три коеффициента для апроксимации f(x; a,b,c), дифференцировал, все как в уроке только с учетом 3 коэфициентов. В итоге функция апроксимирует очень и очень не точно. С чем это может быть связано? может есть какие то стандартные причины?

[@ЕвгенийДолгих-р8г]

Привет. Ты крут!!!

[@alexandersidorov4761]

А почему на 4:28 первый множитель перевернулся (сигма на корень два Пи) вместо 1 / (сигма корень 2ПИ)?

[@selfedu_rus]

это опечатка

[@andreiobukhov2470]

Хотелось бы, конечно, чтобы немного подробнее рассмотрены были математические вычисления и преобразования. Если можно, дополните пожалуйста материалами. Спасибо!

[@selfedu_rus]

В смысле? Там и так предельно подробно расписано. Если остаются вопросы, то см. плейлист по теории вероятностей на этом канале.

[@dvd6307]

Интересно

[@colibri228]

Здравствуйте, очень полезное видео! У меня вопрос: что нужно поменять в коде, что бы использовать его, например для 3+ признаков?

[@selfedu_rus]

Спасибо. Использовать трехмерную плотность распределения.

[@osvab000]

Производную можно определить как скорость изменения функции, то есть нуль это экстремум, а какое то значение это изменение функции (то есть она либо возрастает, либо убывает в этой точке). Скорость изменения скорости (в физике) это ускорение. Значит производная от скорости - ускорение!

[@selfedu_rus]

все верно, еще это тангенс угла наклона касательной с осью абсцисс и в точках экстремума он принимает нулевое значение

[@shncl]

оп, снова ты)

[@numberzero6833]

С синусом не получится сделать? У меня производные сложных функций получились и там ничего не вынесешь как a11,a2 получается?

[@selfedu_rus]

да, уравнения не всегда линейными могут получаться

[@numberzero6833]

@@selfedu_rus А полученные производные можно раскладывать по формуле sin(x+y)=sin(x)cos(y)+cos(x)sin(y)

[@ЕвгенийНовашов]

Добрый день. Когда мы брали частную производную от функции, мы применили правило дифференцирования сложной функции ? Если, да, то мы потеряли константу "2" ?

[@selfedu_rus]

Все верно, я ее намеренно отбросил, т.к. умножение на константу не влияет на вычисление точки оптимума.

[@14types]

А если набор точек случайный, без всяких сигм, то это будет работать?

[@selfedu_rus]

сигма - это мера разброса случайных точек

[@jamjam3337]

😎

[@XR0M]

Заснул на 6 минуте😅

[@IlyaAb]

а почему в формуле квадрата ошибок E = Sum(y - f(x))^2 нету деления на кол-во элементов и корня, так бы получалась более наглядная средняя ошибка, из вычислений не особо ясно, может есть какая-то более простая мысль?

[@selfedu_rus]

Нам нужно минимизировать квадрат отклонений. Конечно, эту величину можно разделить на N, или на другую константу, но эта дополнительная операция совершенно ничего не дает для алгоритма, поэтому, просто отброшена.

[@IlyaAb]

@@selfedu_rus понял вроде, алгоритму всё равно с какими числами работать, главное уменьшать, а если в качестве метрики использовать, то там уже для наглядности эти операции можно проделать

[@crueldarkdreams]

kzbin.info/www/bejne/bqS5l4qvhteAn68 на 3.58 утрачен числитель дроби с сигмой в формуле плотности вероятности? Подача материала отличная!

[@selfedu_rus]

да, спасибо, ошибка... хотя она не влияет на дальнейшие рассуждения и кроме того, до этого в формуле все верно

[@crueldarkdreams]

@@selfedu_rus , да, всё здорово! Спасибо!:)

[@vadim.gerasimenko]

Бамп

[@sofinew8030]

Это как то не очень к ЦОС относится

[@Kelbi28]

Что за терминатор ты, братец!

[@dmitrygrishin3335]

поправочка. тут 1/сигма*sqrt(pi)