<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>Классификация on Digitable courses</title>
    <link>https://courses.digitable.life/tags/%D0%BA%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F/</link>
    <description>Recent content in Классификация on Digitable courses</description>
    <generator>Hugo</generator>
    <language>ru-RU</language>
    <lastBuildDate>Sat, 01 Aug 2026 00:12:59 +0300</lastBuildDate>
    <atom:link href="https://courses.digitable.life/tags/%D0%BA%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>Понятия, определения и классификации: где ошибка возникает ещё до вывода</title>
      <link>https://courses.digitable.life/post/logic/01-concepts-definitions-classification/</link>
      <pubDate>Tue, 28 Jul 2026 10:10:00 +0300</pubDate>
      <guid>https://courses.digitable.life/post/logic/01-concepts-definitions-classification/</guid>
      <description>Термин и понятие, содержание и объём, род и вид, правила определения и деления; круг, подмена основания, слишком широкая граница и другие ошибки моделирования.</description>
    </item>
    <item>
      <title>k ближайших соседей и наивный байесовский классификатор</title>
      <link>https://courses.digitable.life/post/machine-learning/04-knn-and-naive-bayes/</link>
      <pubDate>Thu, 16 Jul 2026 10:00:00 +0300</pubDate>
      <guid>https://courses.digitable.life/post/machine-learning/04-knn-and-naive-bayes/</guid>
      <description>Два простейших и при этом до сих пор рабочих алгоритма: ленивый непараметрический kNN и генеративный наивный Байес — от интуиции и математики до ANN-поиска и антиспама в проде.</description>
    </item>
    <item>
      <title>Линейная и логистическая регрессия</title>
      <link>https://courses.digitable.life/post/machine-learning/03-linear-and-logistic-regression/</link>
      <pubDate>Thu, 16 Jul 2026 10:00:00 +0300</pubDate>
      <guid>https://courses.digitable.life/post/machine-learning/03-linear-and-logistic-regression/</guid>
      <description>Два базовых линейных алгоритма ML от первых принципов: МНК как проекция, нормальное уравнение и градиентный спуск, регуляризация Ridge/Lasso, логит-преобразование, log-loss, калибровка и продакшн-практика.</description>
    </item>
    <item>
      <title>Метод опорных векторов и ядерный трюк</title>
      <link>https://courses.digitable.life/post/machine-learning/05-svm/</link>
      <pubDate>Thu, 16 Jul 2026 10:00:00 +0300</pubDate>
      <guid>https://courses.digitable.life/post/machine-learning/05-svm/</guid>
      <description>Как из идеи «раздвинь классы как можно шире» вырастает выпуклая задача оптимизации, почему решение зависит только от опорных векторов и как ядерный трюк даёт нелинейность без построения признаков.</description>
    </item>
  </channel>
</rss>
