Евгений Разинков. Лекция 6. Деревья решений (курс "Машинное обучение", весна 2019)
Лекция посвящена деревьям решений для задачи классификации.
Рассмотрены следующие темы:
- Структура дерева решений: внутренние и терминальные узлы.
- Обучение внутреннего узла. Виды разделяющих функций. Целевая функция: Information Gain.
- Критерии прекращения роста дерева.
- Создание терминального узла.
Евгений Разинков -- к.ф.-м.н., директор по науке компании Pr3vision Technologies, основатель парфюмерного AI-проекта http://scented.ai, руководитель отдела машинного обучения и компьютерного зрения Группы компаний FIX.
Tailor-made AI solutions for unique challenges:
https://pr3vision.com
Информация о лекциях:
https://razinkov.ai
Телеграм-канал с анонсами лекций и материалами по машинному обучению:
https://t.me/razinkov_ai
Видео Евгений Разинков. Лекция 6. Деревья решений (курс "Машинное обучение", весна 2019) канала Евгений Разинков
Рассмотрены следующие темы:
- Структура дерева решений: внутренние и терминальные узлы.
- Обучение внутреннего узла. Виды разделяющих функций. Целевая функция: Information Gain.
- Критерии прекращения роста дерева.
- Создание терминального узла.
Евгений Разинков -- к.ф.-м.н., директор по науке компании Pr3vision Technologies, основатель парфюмерного AI-проекта http://scented.ai, руководитель отдела машинного обучения и компьютерного зрения Группы компаний FIX.
Tailor-made AI solutions for unique challenges:
https://pr3vision.com
Информация о лекциях:
https://razinkov.ai
Телеграм-канал с анонсами лекций и материалами по машинному обучению:
https://t.me/razinkov_ai
Видео Евгений Разинков. Лекция 6. Деревья решений (курс "Машинное обучение", весна 2019) канала Евгений Разинков
Показать
Комментарии отсутствуют
Информация о видео
Другие видео канала
Машинное обучение (2023). Лекция 6. Деревья решений
Сверточные нейронные сети. Лекция 14.
Глубокое обучение. Лекция 3. Обратное распространение
Принципы построения сверточных архитектур. Лекция 6 по глубокому обучению
Что делать когда данных мало? Лекция 3 по машинному обучению
Глубокое обучение. Лекция 7. Регуляризация глубоких нейронных сетей
AI: от основ до трансформеров. Регрессия. Лекция 3.
Self-supervised learning: BYOL. Последняя лекция на факультете ВМК КФУ.
Философия глубокого обучения. Лекция 6 по Modern Deep Learning.
Глубокое обучение. Лекция 3.1. Обратное распространение (продолжение)
Математические основы AdaBoost. Лекция 9 по машинному обучению
Llama 3.1: разбор статьи. Часть 2. Architecture & Scaling laws.
Обратное распространение через MLP . Лекция 5 по Modern Deep Learning (2023).
Self-Supervised Learning. Часть 1. Лекция 5 по Advanced Computer Vision
Бонус) Скринкаст лекции. Линейные модели регрессии (весна 2020, курс "Введение в машинное обучение")
Логистическая регрессия. Лекция 8.
Так обучается любая нейронная сеть. Лекция 3 по глубокому обучению
Введение в AdaBoost. Лекция 8 по машинному обучению
Вредоносные примеры в компьютерном зрении. Лекция 4 по Advanced Computer Vision
Reinforcement Learning. Лекция 2. Марковский процесс принятия решений
Temporal Difference, Q-Learning. Лекция 7 по обучению с подкреплением