Машинное обучение. Критерии выбора моделей. К.В. Воронцов, Школа анализа данных,Яндекс.
Лекция состоит из двух слабо связанных частей. В первой части рассматриваются критерии качества классификации, от простейшего «числа ошибок» до правдоподобия, AUC и PR-AUC. Каждый из них имеет свои границы применимости и противопоказания. От них мы переходим к критериям, характеризующим обобщающую способность моделей. От скользящего контроля до разного рода штрафов за сложность модели: AIC, BIC, VC-bound и прочие. Во второй части рассматривается задача отбора признаков, имеющая экспоненциальную вычислительную сложность, и эвристические методы сокращения полного перебора. Жадные алгоритмы. Поиск в глубину и в ширину. Эволюционные алгоритмы. Случайный поиск с адаптацией.
Видео Машинное обучение. Критерии выбора моделей. К.В. Воронцов, Школа анализа данных,Яндекс. канала Компьютерные науки
Видео Машинное обучение. Критерии выбора моделей. 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
021. Малый ШАД - Что такое машинное обучение и наука о данных? - Александр Фонарев
022. Вероятностные тематические модели коллекций текстовых документов - К.В. Воронцов
Машинное обучение. Рекомендательные системы. К.В. Воронцов, Школа анализа данных, Яндекс.
020. Малый ШАД - Машинное обучение и анализ данных - Александр Фонарев
Машинное обучение. Линейные композиции, бустинг. К.В. Воронцов, Школа анализа данных, Яндекс.
Машинное обучение. Поиск ассоциативных правил. К.В. Воронцов, Школа анализа данных, Яндекс.
Введение в машинное обучение – Евгений Соколов
Машинное обучение. Нейронные сети глубокого обучения. К.В. Воронцов, Школа анализа данных, Яндекс.
Машинное обучение. Байесовская классификация. К.В. Воронцов, Школа анализа данных, Яндекс.
1. Анализ данных. Введение в python | Технострим
ФМХФ МФТИ - Информатика, семестр 1, лекция 1
023. Вероятностные тематические модели коллекций текстовых документов (продолжение) - К.В. Воронцов
Машинное обучение. Нейронные сети и градиентные методы. К.В. Воронцов, Школа анализа данных, Яндекс.
Машинное обучение. Композиции классификаторов, часть 2. К.В. Воронцов, Школа анализа данных, Яндекс.
Deep learning на пальцах 2 - Элементы машинного обучения
Машинное обучение. Активное обучение. К.В. Воронцов, Школа анализа данных, Яндекс.
014. Нейронные сети — К.В. Воронцов
Алгоритмы и структуры данных (С++), лекция №12