Машинное обучение. Обучение ранжированию. К.В. Воронцов, Школа анализа данных, Яндекс.
Задача ранжирования отличается от классификации и регрессии тем, что вместо правильных ответов на объектах обучающей выборке задаётся отношение частичного порядка. Модель ранжирования – это функция от объекта (как и в задаче регрессии), с помощью которой можно отранжировать произвольное множество объектов. Задачи ранжирования решаются в информационно-поисковых, рекламных и рекомендательных системах. Критерии качества ранжирования весьма разнообразны, наиболее важные из них рассматриваются в лекции. Методы обучения ранжированию делятся на три большие группы: поточеченые, попарные и списочные. Поточечные являются незначительными модификациями методов классификации или регрессии. Попарные оптимизируют критерии, представляющие собой сумму по парам объектов, а не по отдельным объектам. Для оптимизации часто используется метод стохастического градиента. Списочные методы приближённо оптимизируют качество ранжирования в списках поисковой выдачи.
Видео Машинное обучение. Обучение ранжированию. К.В. Воронцов, Школа анализа данных, Яндекс. канала Компьютерные науки
Видео Машинное обучение. Обучение ранжированию. 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.](https://i.ytimg.com/vi/0wDu42qH1PY/default.jpg)
![Машинное обучение. Байесовская классификация. К.В. Воронцов, Школа анализа данных, Яндекс.](https://i.ytimg.com/vi/qMndsltzNGA/default.jpg)
![Беседа с Константином Воронцовым](https://i.ytimg.com/vi/DR3mgnEKRgI/default.jpg)
![005. Линейные методы классификации: метод опорных векторов — К.В. Воронцов](https://i.ytimg.com/vi/Adi67_94_gc/default.jpg)
![020. Малый ШАД - Машинное обучение и анализ данных - Александр Фонарев](https://i.ytimg.com/vi/utP5kqDEjao/default.jpg)
![016. Оценки обобщающей способности - К. В. Воронцов](https://i.ytimg.com/vi/NOrD_bfgTnE/default.jpg)
![008. Прогнозирование временных рядов - К.В. Воронцов](https://i.ytimg.com/vi/RdTxLXmbvjY/default.jpg)
![Машинное обучение. Нейронные сети и градиентные методы. К.В. Воронцов, Школа анализа данных, Яндекс.](https://i.ytimg.com/vi/zbdgUZAzfQg/default.jpg)
![018. Методы обучения ранжированию - К.В. Воронцов](https://i.ytimg.com/vi/EioJ902VCmk/default.jpg)
![004. Линейные методы классификации: метод стохастического градиента - К.В. Воронцов](https://i.ytimg.com/vi/4BKQ3GZR32w/default.jpg)
![Машинное обучение. Рекомендательные системы. К.В. Воронцов, Школа анализа данных, Яндекс.](https://i.ytimg.com/vi/J-QueLndVI8/default.jpg)
![021. Обучение с подкреплением - К.В. Воронцов](https://i.ytimg.com/vi/ZkZQwKizgLM/default.jpg)
![Машинное обучение. Композиции классификаторов, часть 2. К.В. Воронцов, Школа анализа данных, Яндекс.](https://i.ytimg.com/vi/Q7buhNHHP8Y/default.jpg)
![Машинное обучение. Активное обучение. К.В. Воронцов, Школа анализа данных, Яндекс.](https://i.ytimg.com/vi/A9N21zXm9vw/default.jpg)
![002. Метрические методы классификации - К.В. Воронцов](https://i.ytimg.com/vi/l1xGQMowWA4/default.jpg)
![001. Вводная лекция - К.В. Воронцов](https://i.ytimg.com/vi/qLBkB4sMztk/default.jpg)
![Машинное обучение. Линейные композиции, бустинг. К.В. Воронцов, Школа анализа данных, Яндекс.](https://i.ytimg.com/vi/5QrWW_ZlP9w/default.jpg)
![020. Методы кластеризации - К.В. Воронцов](https://i.ytimg.com/vi/oWRmzf9eI-c/default.jpg)
![Машинное обучение. Критерии выбора моделей. К.В. Воронцов, Школа анализа данных,Яндекс.](https://i.ytimg.com/vi/NQGUurPrLIg/default.jpg)
![Машинное обучение. Поиск ассоциативных правил. К.В. Воронцов, Школа анализа данных, Яндекс.](https://i.ytimg.com/vi/TgISAGknd6M/default.jpg)