Загрузка страницы

Bias-variance tradeoff в анализе данных и реальной жизни. Максим Николаев, Школа анализа данных

Лекция «Bias-variance tradeoff. Почему мы любим спрашивать совета у профессионалов» на Дне открытых дверей Школы анализа данных в Санкт-Петербурге, 22 апреля 2023 года.

Лектор: Максим Николаев, координатор партнерского направления Яндекса «Науки о данных» на факультете МКН СПбГУ, преподаватель статистики и ML.

С переобучением и недообучением модели сталкивается всякий, кто интересуется анализом данных и машинным обучением. В этой лекции мы разберемся, как описать эти явления в терминах смещения и дисперсии предсказания, узнаем, как связаны эти понятия со способностью модели выучивать обучающую выборку, а также увидим, как улучшить качество предсказания, умело ограничивая выразительность модели. Кроме этого мы обсудим, почему мы сами являемся частью модели, которую обучаем, и как контролировать наше переобучение.

Слайды и код для генерации графиков доступен по ссылке: https://disk.yandex.ru/d/b2rOMFWfsqqBLA

Поступайте в ШАД: https://clck.ru/34Es6e

Видео Bias-variance tradeoff в анализе данных и реальной жизни. Максим Николаев, Школа анализа данных канала Компьютерные науки
Показать
Комментарии отсутствуют
Введите заголовок:

Введите адрес ссылки:

Введите адрес видео с YouTube:

Зарегистрируйтесь или войдите с
Информация о видео
2 мая 2023 г. 13:19:39
01:22:39
Другие видео канала
Data Dojo — ML тренировка 22 апреля 2023Data Dojo — ML тренировка 22 апреля 2023ML Party Yerevan — 2 марта 2023ML Party Yerevan — 2 марта 2023Data Dojo — ML тренировка 16 февраля 2023Data Dojo — ML тренировка 16 февраля 2023Data Dojo — новогодняя ML тренировка 24 декабря 2022Data Dojo — новогодняя ML тренировка 24 декабря 2022Data Dojo — ML тренировка 17 ноября 2022Data Dojo — ML тренировка 17 ноября 2022Data Dojo — ML тренировка 22 сентября 2022Data Dojo — ML тренировка 22 сентября 2022Седьмой рождественский коллоквиум по компьютерному зрению — 28 декабря 2021Седьмой рождественский коллоквиум по компьютерному зрению — 28 декабря 2021Shifts Challenge | Distributional Shift and Robustness in Autonomous Vehicle PlanningShifts Challenge | Distributional Shift and Robustness in Autonomous Vehicle PlanningShifts Challenge | Shifts and other vices of human-computer dialogueShifts Challenge | Shifts and other vices of human-computer dialogueShifts Challenge | Panel Discussion "Frontiers for Uncertainty Estimation and Robustness"Shifts Challenge | Panel Discussion "Frontiers for Uncertainty Estimation and Robustness"Shifts Challenge | Adapting to Novel Data Distributions | Kate SaenkoShifts Challenge | Adapting to Novel Data Distributions | Kate SaenkoShifts Challenge | Presentation and Plenary talk | Andrey MalininShifts Challenge | Presentation and Plenary talk | Andrey MalininРазбор письменного экзамена ШАД. Задача 9. Индекс ближайшего превосходящего элементаРазбор письменного экзамена ШАД. Задача 9. Индекс ближайшего превосходящего элементаПисьменный разбор экзамена ШАД. Задача 8. Рёбра в графеПисьменный разбор экзамена ШАД. Задача 8. Рёбра в графеРазбор письменного экзамена ШАД. Задача 7. Неравенство для производнойРазбор письменного экзамена ШАД. Задача 7. Неравенство для производнойРазбор письменного экзамена ШАД. Задача 6. РазмерностиРазбор письменного экзамена ШАД. Задача 6. РазмерностиРазбор письменного экзамена ШАД. Задача 5. Предел и вероятностиРазбор письменного экзамена ШАД. Задача 5. Предел и вероятностиРазбор письменного экзамена ШАД. Задача 4. Геометрическая вероятностьРазбор письменного экзамена ШАД. Задача 4. Геометрическая вероятностьРазбор письменного экзамена ШАД. Задача 3. Математическое ожидание числа шаровРазбор письменного экзамена ШАД. Задача 3. Математическое ожидание числа шаровРазбор письменного экзамена ШАД. Задача 2. Матрица проекцииРазбор письменного экзамена ШАД. Задача 2. Матрица проекции
Яндекс.Метрика