VD
перечитай задание внимательнее
Size: a a a
2021 January 12
NB
понял, спасибо
N
Ребят, посоветуйте хороший курс на кусейре для начала
N
Сорян прочитал факу, нашел все что мне нужно там
MM
Nikolay
Сорян прочитал факу, нашел все что мне нужно там
Ура!)
i
Отлично
AE
i
это же list comprehension
i
Вы хотите понять как он работает?
i
Таким строкам потом замучаетесь делать дебагин
A
Я правильно понимаю, что регуляризация нужна для уменьшения дисперсии оценок, поэтому большие значения регрессоров это плохо? но странно все равно - большие значения == высокая дисперсия?
A
в курсе кто-то сказал (Соколов?)что доказывается, что при мультиколл регрессоры растут... но док-ва не было, там жесть какая-то?
SD
В задании:
Линейная регрессия и стохастический градиентный спуск
Предлагают:
Отмасштабируйте столбцы матрицы X, вычтя из каждого значения среднее по соответствующему столбцу и поделив результат на стандартное отклонение
Зачем нам предлагают это сделать?
Это чем-то поможет сделать стохастический градиентный спуск??
Линейная регрессия и стохастический градиентный спуск
Предлагают:
Отмасштабируйте столбцы матрицы X, вычтя из каждого значения среднее по соответствующему столбцу и поделив результат на стандартное отклонение
Зачем нам предлагают это сделать?
Это чем-то поможет сделать стохастический градиентный спуск??
АГ
В задании:
Линейная регрессия и стохастический градиентный спуск
Предлагают:
Отмасштабируйте столбцы матрицы X, вычтя из каждого значения среднее по соответствующему столбцу и поделив результат на стандартное отклонение
Зачем нам предлагают это сделать?
Это чем-то поможет сделать стохастический градиентный спуск??
Линейная регрессия и стохастический градиентный спуск
Предлагают:
Отмасштабируйте столбцы матрицы X, вычтя из каждого значения среднее по соответствующему столбцу и поделив результат на стандартное отклонение
Зачем нам предлагают это сделать?
Это чем-то поможет сделать стохастический градиентный спуск??
АГ
Alexey
в курсе кто-то сказал (Соколов?)что доказывается, что при мультиколл регрессоры растут... но док-ва не было, там жесть какая-то?
Не регрессоры растут, а коэффициенты, веса w
АГ
Регуляризация и масштаб признаков не связаны
ИБ
В задании:
Линейная регрессия и стохастический градиентный спуск
Предлагают:
Отмасштабируйте столбцы матрицы X, вычтя из каждого значения среднее по соответствующему столбцу и поделив результат на стандартное отклонение
Зачем нам предлагают это сделать?
Это чем-то поможет сделать стохастический градиентный спуск??
Линейная регрессия и стохастический градиентный спуск
Предлагают:
Отмасштабируйте столбцы матрицы X, вычтя из каждого значения среднее по соответствующему столбцу и поделив результат на стандартное отклонение
Зачем нам предлагают это сделать?
Это чем-то поможет сделать стохастический градиентный спуск??
Да, поможет
При минимизации функции ошибки без масштабирования будут возникать большие веса, которые плохо влияют на модель и минимизацию в целом
При минимизации функции ошибки без масштабирования будут возникать большие веса, которые плохо влияют на модель и минимизацию в целом
SD
Интуитивно понятно что это может помочь, но авторы пишут в задании к первой неделе, где про это не говорили )
Видимо чтобы мы сами разбирались )
Видимо чтобы мы сами разбирались )
АГ
Суть именно в градиентным спуске, он быстрее сходится, устойчивее модель, вот и все
АГ
Для линейных так