Содержание
- 2. Обучение с учителем Логистическая регрессия Обучение но основе решающих деревьев Random Forest К –ближайших соседей
- 3. Логистическая регрессия Логистическая регрессия –это линейная модель бинарной классификации.
- 4. Логистическая функция (сигмоида)
- 5. Логистическая регрессия
- 6. Логистическая регрессия функции стоимости
- 7. Переобучение
- 8. Переобучение
- 9. Смещение (bias) и разброс (variance) Разброс (variance) - дисперсия ответов алгоритмов Da Cмещение (bias) – матожидание
- 10. Смещение (bias) и разброс (variance)
- 11. Переобучение
- 12. Регуляризация Регуляризация - метод для обработки коллинеарности (высокой корреляции среди признаков), фильтрации шума из данных и
- 13. Регуляризация L2 L1
- 14. Решающие деревья
- 15. Максимизация прироста информации
- 16. Меры неоднородности Энтропия Мера неоднородности Джини Ошибка классификации
- 17. Random Forest (Случайный лес) 1 шаг. Случайным образом выбрать n образцов с возвратом. ( извлечь бутсрап-выборку)
- 18. K –ближайших соседей
- 20. Скачать презентацию