Статья
Снижение размерности: PCA, SVD, t-SNE, UMAP
Почему в высокой размерности ломается геометрия и как её чинить: линейные проекции (PCA, SVD, случайные проекции) для сжатия признаков и нелинейные вложения (t-SNE, UMAP) …
База знаний
Тема: Машинное Обучение
18 материалов в этой теме.
Материалы
12 на странице
Статья
Решающие деревья
Как устроены решающие деревья: жадное рекурсивное разбиение, критерии Джини и энтропии, обрезка по сложности, работа с категориями и пропусками, ловушки важности …
Статья
Рекомендательные системы
От матрицы взаимодействий до продакшн-воронки retrieval → ranking: коллаборативная фильтрация, матричная факторизация, implicit ALS и BPR, two-tower, ранжирующие метрики, …
Статья
Переобучение, bias-variance и регуляризация
Почему модель, идеальная на обучении, проваливается в проде: строгое разложение ошибки на смещение и дисперсию, диагностика по кривым обучения, вся линейка …
Статья
Оценка моделей: метрики, кросс-валидация, калибровка
Как честно измерить качество модели: от матрицы ошибок и ROC-AUC до вложенной кросс-валидации, доверительных интервалов, калибровки вероятностей и разрыва между …
Статья
Обучение с подкреплением
Как обучать агента, который принимает последовательность решений и получает только отложенную награду: марковские процессы, уравнения Беллмана, Q-learning и SARSA, …
Статья
Нейронные сети: карта трека, интуиция и место среди ML
Что такое нейронная сеть с первых принципов, чем она отличается от классического ML, почему работает глубина — и как устроен весь трек: от перцептрона до деплоя и …
Статья
Метод опорных векторов и ядерный трюк
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 …
Статья
Машинное обучение: карта трека, типы задач и постановка
Что такое обучение по данным с точки зрения первых принципов, как формально ставится задача, какие бывают типы задач, как перевести бизнес-вопрос в ML-постановку и как …
Статья
Математика для ML: линейная алгебра, анализ, вероятности
Рабочий минимум математики для машинного обучения: векторы и матрицы как язык данных, градиенты и оптимизация как механизм обучения, вероятности и правдоподобие как …
Статья
Линейная и логистическая регрессия
Два базовых линейных алгоритма ML от первых принципов: МНК как проекция, нормальное уравнение и градиентный спуск, регуляризация Ridge/Lasso, логит-преобразование, …
Статья
Кластеризация: k-means, DBSCAN, иерархическая, GMM
Четыре разных ответа на вопрос «что такое кластер»: центроидный k-means, плотностной DBSCAN, иерархический agglomerative и вероятностная смесь гауссиан — с математикой, …
По этому запросу ничего не найдено.