Машинное обучение 3. Linear Classification & Logistic Regression

Лектор: Владислав Гончаренко Семинар:    • Машинное обучение. Семинар 3. PyTorch. Log...   Ссылка на материалы: https://github.com/girafe-ai/ml-mipt/... 00:07 - повторение, разбор теста 05:05 - classification problem, margin 13:50 - square loss 18:45 - logistic regression 22:40 - sigmoid function, MLE 33:45 - multiclass classification 40:15 - One vs Rest & One vs One 42:50 - accuracy, precision & recall 54:15 - F-score 59:00 - ROC, ROC-AUC 01:09:40 - Precision-Recall Curve, multiclass metrics 1:14:00 - Confusion matrix Лекции по машинному обучению:    • Машинное обучение, основной поток, лекции ...   Семинары по машинному обучению:    • Машинное обучение, основной поток, семинар...   Общая информация о курсе: https://ml-mipt.github.io/ Съемка: Александра Погребная Монтаж: Роман Климовицкий

Join Today
Машинное обучение 4. SVM. PCA
▶︎

Машинное обучение 4. SVM. PCA

Машинное обучение 1. Introduction. Naive Bayes, kNN.
▶︎

Машинное обучение 1. Introduction. Naive Bayes, kNN.

Machine Learning 2. Linear Regression
▶︎

Machine Learning 2. Linear Regression

Машинное обучение 5. Cross validation. BVD
▶︎

Машинное обучение 5. Cross validation. BVD

ROC and AUC, Clearly Explained!
▶︎

ROC and AUC, Clearly Explained!

Лекция 10 Прогнозирование временных рядов
▶︎

Лекция 10 Прогнозирование временных рядов

Лекция 1. Описательные статистики. Квантили, квартили. Гистограммы
▶︎

Лекция 1. Описательные статистики. Квантили, квартили. Гистограммы

Курс «Байесовские методы в машинном обучении». Лекция 1 (Дмитрий Ветров)
▶︎

Курс «Байесовские методы в машинном обучении». Лекция 1 (Дмитрий Ветров)

Логистическая регрессия, самое простое объяснение!
▶︎

Логистическая регрессия, самое простое объяснение!

Машинное обучение 7. Gradient boosting
▶︎

Машинное обучение 7. Gradient boosting

Машинное обучение 9. Optimization and regularization in Deep Learning
▶︎

Машинное обучение 9. Optimization and regularization in Deep Learning

Машинное обучение 10. Recurrent Neural Networks and Language Models
▶︎

Машинное обучение 10. Recurrent Neural Networks and Language Models

Математические основы машинного обучения. Лекция 1.
▶︎

Математические основы машинного обучения. Лекция 1.

Лекция 1. Нейронные сети. Теория (Анализ данных на Python в примерах и задачах. Ч2)
▶︎

Лекция 1. Нейронные сети. Теория (Анализ данных на Python в примерах и задачах. Ч2)

Машинное обучение. Семинар 1. Introduction. Naive Bayes.
▶︎

Машинное обучение. Семинар 1. Introduction. Naive Bayes.

Кто такой Хуанг? Полная история Nvidia!
▶︎

Кто такой Хуанг? Полная история Nvidia!

Что же такое энтропия? [Veritasium]
▶︎

Что же такое энтропия? [Veritasium]

Locally Weighted & Logistic Regression | Stanford CS229: Machine Learning - Lecture 3 (Autumn 2018)
▶︎

Locally Weighted & Logistic Regression | Stanford CS229: Machine Learning - Lecture 3 (Autumn 2018)

Машинное обучение. Семинар 2. Linear Regression SGD. Preprocessing. Pipeline
▶︎

Машинное обучение. Семинар 2. Linear Regression SGD. Preprocessing. Pipeline

Единственная женщина-вор в законе СССР
▶︎

Единственная женщина-вор в законе СССР