Лекция №3 “Классическое машинное обучение“

Третье занятие на курсе «Нейронные сети и их применение в научных исследованиях» для группы НС242 пятого потока обучения. Преподаватель: Виктор Немченко Дата: 00:00 Начало 00:20 Системы предсказаний 01:10 Экспертные системы (Rule-based systems) 02:16 Классическое машинное обучение 02:35 Глубокое машинное обучение 03:32 Необходимость методов классического машинного обучения 04:26 Деревья решений 06:43 Принцип работы дерева решений 07:57 Деревья решений (классификация) 13:26 Деревья решений (Регрессия) 14:17 Деревья решений и работа с пропущенными значениями 15:15 Преимущества и недостатки деревьев решений 20:15 Bias, Variance, Irreducible error 27:44 Бутстрэп 28:28 Корреляция и построение доверительного интервала для нее 29:25 Построение доверительного интервала для качества метрики 32:05 Ансамбли 32:17 Корректирующий код 33:28 Усреднение предсказания классификаторов 36:56 Bagging = Bootstrap aggregation 39:36 Метод случайных подпространств (RSM, random subspace method) 42:09 Комбинация RSM и Bagging 44:54 Случайный лес 54:03 Boosting 54:31 Gradient boosting (градиентный бустинг) 01:05:53 Модификации градиентного бустинга 01:12:32 Блендинг и Стэкинг 01:20:23 Некоторые практические рекомендации 01:21:03 Применение нейронных сетей к табличным данным Материалы лекции: Открыть в Colab: Открыть в HTML-формате: Сайт: VK: Telegram: #MSU_AI#Фонд_Интеллект