Size: a a a

Machine learning

2021 March 03

ВИ

Виктор Иванов... in Machine learning
простым крестьянским языком если нетрудно
источник

M

Makar in Machine learning
источник

MM

Mira Mironova in Machine learning
Артем
Но строго говоря в самом задании для оценки сокурсников всё ещё просят установить Python 2.7. @Mirileen примете к сведению?
Доброе утро. В каком именно задании?
источник

A

Alexey in Machine learning
Виктор Иванов
ребята, разрешите задать примитивный вопрос?
когда говорят про оптимизацию гладких функций то часто упоминают первое(второе, n-ое) приближение.
что такое это приближение. спасибо
Подгон под данную функцию полинома степени n. Например, первое приближение - линией, второе параболой.
источник

SA

Svetlana Astafyeva in Machine learning
@Mirileen
Здравствуйте.
C4W2. Ноутбук к видео - одновыборочные непараметрические критерии.
Во вложении архив с ноутбуком на python 2.
На python 3 не переписывали?
Или что-то пропало? ))

P.S.Вряд ли там большая разница между питонами. Но если есть на 3 питоне, лучше выложить)
источник

MM

Mira Mironova in Machine learning
Svetlana Astafyeva
@Mirileen
Здравствуйте.
C4W2. Ноутбук к видео - одновыборочные непараметрические критерии.
Во вложении архив с ноутбуком на python 2.
На python 3 не переписывали?
Или что-то пропало? ))

P.S.Вряд ли там большая разница между питонами. Но если есть на 3 питоне, лучше выложить)
В местах, где сдавать на проверку не нужно, не переписывали)
источник

ВИ

Виктор Иванов... in Machine learning
Alexey
Подгон под данную функцию полинома степени n. Например, первое приближение - линией, второе параболой.
а если я совсем тупой?
еще проще можно? пожалуста
источник

SA

Svetlana Astafyeva in Machine learning
Mira Mironova
В местах, где сдавать на проверку не нужно, не переписывали)
Там обучающее видео и к нему ноутбук.
А в конце это части недели есть тест. Он на оценку.
источник

H

H in Machine learning
Виктор Иванов
а если я совсем тупой?
еще проще можно? пожалуста
красная - полином
зеленая - линейное приближение
источник

H

H in Machine learning
вот еще пример
источник

H

H in Machine learning
еще
здесь M - это порядок приближения
источник

MM

Mira Mironova in Machine learning
Svetlana Astafyeva
Там обучающее видео и к нему ноутбук.
А в конце это части недели есть тест. Он на оценку.
Я понимаю. Но к тесту это не имеет прямого отношения.

Посмотрим, что можно сделать
источник

H

H in Machine learning
идея в том, чтобы какую-то табличную функцию (ну скажем наблюдения какие-то) привести в удобный математический вид, чтобы можно было с ней работать
источник

SA

Svetlana Astafyeva in Machine learning
Виктор Иванов
а если я совсем тупой?
еще проще можно? пожалуста
У вас есть некоторые значения вашей функции в некоторых точках. Для упрощения возьмём f(x) - функцию одной переменной.
Вы хотите узнать, какие значения функция примет в других точках.
Но уравнения функции у вас нет.
Первое приближение - вы предполагаете, что функция имеет уравнение вида f(x) = ax + b. И ищете параметры a, b.

Теперь проверяете, какие значения функции получаются при найденных вами a, b.
Смотрите вас выше прислали графики, где искомая функция - прямая.
Если видите, что уж очень далёкие от адекватных значений получили, можно попробовать второе приближение.
Для одной переменной это будет уравнение вида f(x) = ax^2 + bx + c.

Снова оптимизируете, ищите a,b,c и смотрите на получившиеся значения функции.
Если снова получаете неадекватные значения, пробуете 3 степень и уравнение вида
f(x) = ax^3 + bx^2 + cx + d.
Ну и так далее.

Так понятнее стало?
источник

SA

Svetlana Astafyeva in Machine learning
Mira Mironova
Я понимаю. Но к тесту это не имеет прямого отношения.

Посмотрим, что можно сделать
Да ничего не делать))
Уж к 4 курсу студенты в состоянии сами переписать)))
Если никто кроме меня на это не обращал внимания, значит в этом нет необходимости. 😉
источник

SA

Svetlana Astafyeva in Machine learning
Svetlana Astafyeva
У вас есть некоторые значения вашей функции в некоторых точках. Для упрощения возьмём f(x) - функцию одной переменной.
Вы хотите узнать, какие значения функция примет в других точках.
Но уравнения функции у вас нет.
Первое приближение - вы предполагаете, что функция имеет уравнение вида f(x) = ax + b. И ищете параметры a, b.

Теперь проверяете, какие значения функции получаются при найденных вами a, b.
Смотрите вас выше прислали графики, где искомая функция - прямая.
Если видите, что уж очень далёкие от адекватных значений получили, можно попробовать второе приближение.
Для одной переменной это будет уравнение вида f(x) = ax^2 + bx + c.

Снова оптимизируете, ищите a,b,c и смотрите на получившиеся значения функции.
Если снова получаете неадекватные значения, пробуете 3 степень и уравнение вида
f(x) = ax^3 + bx^2 + cx + d.
Ну и так далее.

Так понятнее стало?
Но тут надо не перестараться)))
А то получите переобучение. Но об этом во втором курсе))
источник

SA

Svetlana Astafyeva in Machine learning
@Mirileen
Там в теме 3 видео про непараметрические критерии и их расчет в python.
К второму видео есть ноутбук на python3, к 1 и 3 нет.
Если судить по предыдущим тестам, то в тесте надо будет считать критерии и использовать все 3 ноутбука.

Я думаю, что разберусь и с вторым питоном.
Просто странно, что для везде есть, а тут вдруг нет.
источник

Y

Yz in Machine learning
Svetlana Astafyeva
@Mirileen
Там в теме 3 видео про непараметрические критерии и их расчет в python.
К второму видео есть ноутбук на python3, к 1 и 3 нет.
Если судить по предыдущим тестам, то в тесте надо будет считать критерии и использовать все 3 ноутбука.

Я думаю, что разберусь и с вторым питоном.
Просто странно, что для везде есть, а тут вдруг нет.
Там ничего почти не меняется
Скобки у функции print надо добавить и list применить к объектам map, где функции будут выдавать ошибки
источник

SA

Svetlana Astafyeva in Machine learning
Yz
Там ничего почти не меняется
Скобки у функции print надо добавить и list применить к объектам map, где функции будут выдавать ошибки
👍 спасибо!
источник

Y

Yz in Machine learning
Svetlana Astafyeva
👍 спасибо!
😌😌
источник