- Главная
- Разное
- Дизайн
- Бизнес и предпринимательство
- Аналитика
- Образование
- Развлечения
- Красота и здоровье
- Финансы
- Государство
- Путешествия
- Спорт
- Недвижимость
- Армия
- Графика
- Культурология
- Еда и кулинария
- Лингвистика
- Английский язык
- Астрономия
- Алгебра
- Биология
- География
- Детские презентации
- Информатика
- История
- Литература
- Маркетинг
- Математика
- Медицина
- Менеджмент
- Музыка
- МХК
- Немецкий язык
- ОБЖ
- Обществознание
- Окружающий мир
- Педагогика
- Русский язык
- Технология
- Физика
- Философия
- Химия
- Шаблоны, картинки для презентаций
- Экология
- Экономика
- Юриспруденция
Машинное обучение и анализ данных. Линейные модели. Логистическая регрессия презентация
Содержание
- 1. Машинное обучение и анализ данных. Линейные модели. Логистическая регрессия
- 2. Обзор предыдущей лекции Кривые обучения
- 3. Содержание Нелинейное преобразование(обобщение) Логистическая регрессия
- 4. Нелинейное преобразование
- 5. Цена, которую мы платим за нелинейное преобразование
- 6. Два линейно неразделимых случая
- 7. Первый случай Два способа решения: 1)
- 8. Второй случай Перейти к преобразованию Или лучше: Или: Или даже:
- 9. Логистическая регрессия 1) Модель 2) Мера ошибки 3) Алгоритм
- 10. Линейные модели
- 11. Логистическая функция «Мягкий порог» Функция θ интерпретируется как вероятность
- 12. Данные (x,y), где y бинарная функция,
- 13. Мера ошибки. Метод максимального правдоподобия Правдоподобие
- 14. Максимизируем правдоподобие Минимизируем «кросс-энтропийная» ошибка
- 15. Как минимизировать Ein? Метод градиентного спуска
- 16. Как выбрать направление
- 17. Какая длина шага?
- 18. Простое применение Вместо
- 19. Алгоритм логистической регрессии
- 20. Обзор линейных моделей
- 21. Использованные источники Yaser Abu Mostafa “Learning from
Обзор предыдущей лекции Кривые обучения
Слайд 7Первый случай
Два способа решения:
1) Использовать линейную модель для Ein>0
2) Положить Ein=0
и
использовать нелинейное
преобразование в пространстве
высокого порядка
использовать нелинейное
преобразование в пространстве
высокого порядка
Слайд 21Использованные источники
Yaser Abu Mostafa “Learning from Data: Introductory Machine Learning Course”,
CalTech University, 2012 . - https://www.youtube.com/playlist?list=PLnIDYuXHkit4LcWjDe0EwlE57WiGlBs08
