Город МОСКОВСКИЙ
00:12:03

#5. Уравнение гиперплоскости в задачах бинарной классификации | Машинное обучение

Аватар
SelfEdu - мир знаний с Сергеем Балакиревым
Просмотры:
1 353
Дата загрузки:
03.09.2024 09:41
Длительность:
00:12:03
Категория:
Обучение

Описание

Практический курс по ML на Stepik: https://stepik.org/course/209247/

Как задается уравнение разделяющей гиперплоскости для задач линейной бинарной классификации образов. Правило разделения образов по двум классам.

Инфо-сайт: https://proproprogs.ru/ml
Телеграм-канал: https://t.me/machine_learning_selfedu

Рекомендуемые видео

#6. Решение простой задачи бинарной классификации | Машинное обучение
#6. Решение простой задачи бинарной классификации | Машинное обучение
1 570 просмотров
#4. Способы оценивания степени переобучения моделей | Машинное обучение
#4. Способы оценивания степени переобучения моделей | Машинное обучение
1 238 просмотров
#2. Постановка задачи машинного обучения | Машинное обучение
#2. Постановка задачи машинного обучения | Машинное обучение
2 792 просмотров
#7. Функции потерь в задачах линейной бинарной классификации | Машинное обучение
#7. Функции потерь в задачах линейной бинарной классификации | Машинное обучение
1 309 просмотров
#8. Стохастический градиентный спуск SGD и алгоритм SAG | Машинное обучение
#8. Стохастический градиентный спуск SGD и алгоритм SAG | Машинное обучение
1 476 просмотров
#3. Линейная модель. Понятие переобучения | Машинное обучение
#3. Линейная модель. Понятие переобучения | Машинное обучение
1 776 просмотров
#1. Что такое машинное обучение? Обучающая выборка и признаковое пространство | Машинное обучение
#1. Что такое машинное обучение? Обучающая выборка и признаковое пространство | Машинное обучение
3 558 просмотров
Персептрон - возможности классификации образов, задача XOR | #2 нейросети на Python
Персептрон - возможности классификации образов, задача XOR | #2 нейросети на Python
2 604 просмотров
ЦОС Python #2: Метод градиентного спуска
ЦОС Python #2: Метод градиентного спуска
1 416 просмотров
#10. Оптимизаторы градиентных алгоритмов: RMSProp, AdaDelta, Adam, Nadam | Машинное обучение
#10. Оптимизаторы градиентных алгоритмов: RMSProp, AdaDelta, Adam, Nadam | Машинное обучение
780 просмотров
#11. L2-регуляризатор. Математическое обоснование и пример работы | Машинное обучение
#11. L2-регуляризатор. Математическое обоснование и пример работы | Машинное обучение
817 просмотров
#12. L1-регуляризатор. Отличия между L1- и L2-регуляризаторами | Машинное обучение
#12. L1-регуляризатор. Отличия между L1- и L2-регуляризаторами | Машинное обучение
592 просмотров
#13. Логистическая регрессия. Вероятностный взгляд на машинное обучение | Машинное обучение
#13. Логистическая регрессия. Вероятностный взгляд на машинное обучение | Машинное обучение
967 просмотров
#9. Пример использования SGD при бинарной классификации образов | Машинное обучение
#9. Пример использования SGD при бинарной классификации образов | Машинное обучение
892 просмотров
Ускорение обучения, начальные веса, стандартизация, подготовка выборки | #4 нейросети на Python
Ускорение обучения, начальные веса, стандартизация, подготовка выборки | #4 нейросети на Python
1 353 просмотров
ЦОС Python #1: Метод наименьших квадратов
ЦОС Python #1: Метод наименьших квадратов
2 342 просмотров
Структура и принцип работы полносвязных нейронных сетей | #1 нейросети на Python
Структура и принцип работы полносвязных нейронных сетей | #1 нейросети на Python
5 913 просмотров
Back propagation - алгоритм обучения по методу обратного распространения | #3 нейросети на Python
Back propagation - алгоритм обучения по методу обратного распространения | #3 нейросети на Python
2 431 просмотров
Время создавать. Старт заявочной кампании второго грантового конкурса ПФКИ 2027 года
Время создавать. Старт заявочной кампании второго грантового конкурса ПФКИ 2027 года
2 116 просмотров