Лекция №3 “Классическое машинное обучение“

Третье занятие на курсе «Нейронные сети и их применение в научных исследованиях» для восьмого потока обучения. Преподаватель: Артем Васильев Дата: 00:00 Заставка 01:27 Необходимость методов классического машинного обучения 02:53 Деревья решений 03:40 Принцип работы дерева решений 05:42 Классификация 13:28 Регрессия 14:14 Свойства деревьев решений 24:32 Bias, Variance, Irreducible error 32:40 Бутстрэп 35:29 Построение доверительного интервала для качества метрики 43:50 Ансамбли 48:14 Bagging = Bootstrap aggregating 50:56 Метод случайных подпространств (RSM, random subspace method) 53:31 Комбинация RSM и Bagging 55:01 Случайный лес 01:05:31 Boosting 01:06:44 Gradient boosting (градиентный бустинг) 01:34:20 Модификации градиентного бустинга 01:53:46 Блендинг и Стэкинг 02:01:51 Применение нейронных сетей к табличным данным Материалы лекции: Открыть в Colab: Открыть в HTML-формате: