В рейтинге участвует:

групп:

каналов:

Виртуальный сервер на SSD - недорого!

Аренда выделенных и виртуальных серверов (VDS/VPS), хостинг, аренда IP-адресов, администрирование, круглосуточная поддержка

qwarta.ru подробнее

Резервное копирование с проверкой на вирусы!!!

Удобный сервис создания резервных копий на любой сервер сети интернет. Отслеживайте изменения, проверяйте на вирусы. Надежно защитите свой бизнес!

go.backupland.com

Выбираете сервер? Любая конфигурация на заказ!

Аренда физических серверов любых конфигураций под любые запросы - 1С бухгалтерия, игровые сервера, нагруженные проекты, интернет-магазины!

qwarta.ru подробнее

Size: a a a

Machine learning

6397 membersпожаловаться на группу
2020 May 24

I

Ibp in Machine learning
смотрите, мы рассматриваем кривую в координатах х и у, конечно она может быть не похожа на прямую. нужно смотреть в координатах у и w. тогда уравнение вида у= w0 + w1x1+w2x2 +...+wnxn это условная прямая в n-мерном пространстве, где коэфициенты х могут образоваться по любой функциональной зависимости, как линейной так и не линейной
источник
02:01пожаловаться#1

V

Vladislav-kun in Machine learning
А как выглядит прямая в n-мерном пространстве? 🙃
источник
02:02пожаловаться#2

I

Ibp in Machine learning
а как выглчдит прямая в трехмерном?
источник
02:03пожаловаться#3

I

Ibp in Machine learning
вот так и дальше:)
источник
02:03пожаловаться#4

P

PAVLO in Machine learning
товарищи,есть кто-то с курса погружение в питон ?
источник
04:38пожаловаться#5

ФР

Фёдор Родионов... in Machine learning
Ibp
а как выглчдит прямая в трехмерном?
Как говорил наш препод по матану, человек в здравом уме не может представить пространство более трехмерного)) Хотя пространство-время понять можно
источник
09:00пожаловаться#6

I

Ibp in Machine learning
Фёдор Родионов
Как говорил наш препод по матану, человек в здравом уме не может представить пространство более трехмерного)) Хотя пространство-время понять можно
согласен:) но, на самом деле, тут может и не нада ничего представлять: есть определение прямой, что типа через 2 точки можно провести только одну прямую и это верно для любых пространств, ну не вдаваясь там в тонкости:)
источник
09:02пожаловаться#7

ФР

Фёдор Родионов... in Machine learning
Ibp
согласен:) но, на самом деле, тут может и не нада ничего представлять: есть определение прямой, что типа через 2 точки можно провести только одну прямую и это верно для любых пространств, ну не вдаваясь там в тонкости:)
Ну да, так и есть. Чистая теория, которая потом находит применение в физике или еще где-нибудь.
источник
09:05пожаловаться#8

RG

Roman Gamanetc in Machine learning
Доброго времени суток, коллеги!
Проверьте пожалуйста C2W2
https://www.coursera.org/learn/supervised-learning/peer/kfDUX/linieinaia-rieghriessiia-pierieobuchieniie-i-rieghuliarizatsiia/review/A4hwVJzdEeqG-gpTUd_bZQ
Coursera
Coursera | Online Courses & Credentials From Top Educators. Join for Free | Coursera
Learn online and earn valuable credentials from top universities like Yale, Michigan, Stanford, and leading companies like Google and IBM. Join Coursera for free and transform your career with degrees, certificates, Specializations, & MOOCs in data science, computer science, business, and dozens of other topics.
источник
11:56пожаловаться#9

P

Pi in Machine learning
Ibp
смотрите, мы рассматриваем кривую в координатах х и у, конечно она может быть не похожа на прямую. нужно смотреть в координатах у и w. тогда уравнение вида у= w0 + w1x1+w2x2 +...+wnxn это условная прямая в n-мерном пространстве, где коэфициенты х могут образоваться по любой функциональной зависимости, как линейной так и не линейной
В исходном признаковом пространстве эта модель не линейна, и восстанавливает она не линейные зависимости
источник
12:31пожаловаться#10

P

Pi in Machine learning
Ibp
согласен:) но, на самом деле, тут может и не нада ничего представлять: есть определение прямой, что типа через 2 точки можно провести только одну прямую и это верно для любых пространств, ну не вдаваясь там в тонкости:)
https://ru.m.wikipedia.org/wiki/%D0%A1%D1%84%D0%B5%D1%80%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F_%D0%B3%D0%B5%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D1%8F
Wikipedia
Сферическая геометрия
раздел геометрии, изучающий геометрические фигуры на поверхности сферы
источник
12:33пожаловаться#11

I

Ibp in Machine learning
Pi
В исходном признаковом пространстве эта модель не линейна, и восстанавливает она не линейные зависимости
ну да не линейна и что?
источник
12:34пожаловаться#12

P

Pi in Machine learning
Ibp
ну да не линейна и что?
Ну так ты получаешь нелинейную функцию
источник
12:34пожаловаться#13

I

Ibp in Machine learning
ну, относительно признаков да, но линейная регрессия строится относительно весов
источник
12:35пожаловаться#14

I

Ibp in Machine learning
Pi
https://ru.m.wikipedia.org/wiki/%D0%A1%D1%84%D0%B5%D1%80%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F_%D0%B3%D0%B5%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D1%8F
Wikipedia
Сферическая геометрия
раздел геометрии, изучающий геометрические фигуры на поверхности сферы
я там специально сделал оговорку "не вдаваясь там в тонкости"  для любителей геометрии лобачевского
источник
12:37пожаловаться#15

P

Pi in Machine learning
Ibp
ну, относительно признаков да, но линейная регрессия строится относительно весов
Что значит относительно весов? Веса будучи найденными не меняются, если я прологарифмирую найденные веса я получу нелинейную модель? Почему?
источник
12:41пожаловаться#16

P

Pi in Machine learning
Моя линейная функция все так же будет восстанавливать только линейные зависимости и от изменения коэффициентов она не станет нелинейной
источник
12:42пожаловаться#17

АК

Александр Кошелев... in Machine learning
Всем привет, проверьте пожалуйста C4W4 https://www.coursera.org/learn/stats-for-data-analysis/peer/4He85/analiz-dannykh-v-zadachie-krieditnogho-skoringha/review/EEuUOp2jEeq8qAr33P2HrQ
Coursera
Coursera | Online Courses & Credentials From Top Educators. Join for Free | Coursera
Learn online and earn valuable credentials from top universities like Yale, Michigan, Stanford, and leading companies like Google and IBM. Join Coursera for free and transform your career with degrees, certificates, Specializations, & MOOCs in data science, computer science, business, and dozens of other topics.
источник
12:44пожаловаться#18

I

Ibp in Machine learning
Pi
Что значит относительно весов? Веса будучи найденными не меняются, если я прологарифмирую найденные веса я получу нелинейную модель? Почему?
относительно весов, это значит линейность рассматривается относительно весов и веса в данном случае являются аргументами определяющими значения функции в каждой точке. а признаки - не могут быть аргументами функции, потому что одному и тому же признаку могут соответствовать разные значения регрессии, то есть они не задают функциональную зависимость.
источник
12:47пожаловаться#19

I

Ibp in Machine learning
про логарифмирование - не знаю зачем вам логарифмировать веса. можете объяснить?
источник
12:48пожаловаться#20