Машинное обучение. Линейные композиции, бустинг. К.В. Воронцов, Школа анализа данных, Яндекс.
Композиционные методы машинного обучения дают положительный конструктивный ответ на вопрос, возможно ли из большого числа ненадёжных алгоритмов построить один надёжный. Алгоритм AdaBoost строит последовательность алгоритмов так, чтобы каждый следующий стремился исправлять ошибки предыдущих. В AdaBoost используется экспоненциальная аппроксимация пороговой функции потерь и дискретно-значные базовые классификаторы. Градиентный бустинг обобщает эту идею и позволяет использовать произвольную функцию потерь и вещественно-значные базовые алгоритмы. С помощью градиентного бустинга можно решать задачи регрессии и ранжирования. Алгоритмы MatrixNet и CatBoost, разработанные в Яндексе, представляют собой градиентный бустинг над решающими деревьями специального вида.
Видео Машинное обучение. Линейные композиции, бустинг. К.В. Воронцов, Школа анализа данных, Яндекс. канала Компьютерные науки
Видео Машинное обучение. Линейные композиции, бустинг. К.В. Воронцов, Школа анализа данных, Яндекс. канала Компьютерные науки
Показать
Комментарии отсутствуют
Информация о видео
Другие видео канала
Машинное обучение. Логические методы классификации. К.В. Воронцов, Школа анализа данных, Яндекс.
005. Линейные методы классификации: метод опорных векторов — К.В. Воронцов
Машинное обучение. Нейронные сети и градиентные методы. К.В. Воронцов, Школа анализа данных, Яндекс.
018. Логические алгоритмы классификации - К. В. Воронцов
Евгений Разинков. Лекция 9. Математические основы AdaBoost (курс "Машинное обучение", весна 2019)
Машинное обучение. Байесовская классификация. К.В. Воронцов, Школа анализа данных, Яндекс.
Евгений Разинков. Лекция 8. Введение в AdaBoost (курс "Машинное обучение", весна 2019)
Машинное обучение. Нейронные сети глубокого обучения. К.В. Воронцов, Школа анализа данных, Яндекс.
Машинное обучение. Рекомендательные системы. К.В. Воронцов, Школа анализа данных, Яндекс.
Машинное обучение. Композиции классификаторов, часть 2. К.В. Воронцов, Школа анализа данных, Яндекс.
Машинное обучение. Критерии выбора моделей. К.В. Воронцов, Школа анализа данных,Яндекс.
Машинное обучение. Поиск ассоциативных правил. К.В. Воронцов, Школа анализа данных, Яндекс.
Машинное обучение. Тематическое моделирование. К.В. Воронцов, Школа анализа данных, Яндекс.
Машинное обучение. Обучение с подкреплением. К.В. Воронцов, Школа анализа данных, Яндекс.
Машинное обучение. Обучение ранжированию. К.В. Воронцов, Школа анализа данных, Яндекс.
Машинное обучение. Кластеризация и частичное обучение. К.В. Воронцов, Школа анализа данных, Яндекс.
Машинное обучение. Заключительная лекция. К.В. Воронцов, Школа анализа данных, Яндекс.
Практика программирования на Python 3, лекция №5
Программирование ретрокомпьютеров: визуальные эффекты. Часть 2
019. Логические алгоритмы классификации. Решающие деревья - К. В. Воронцов