Спасибо! Наглядно и просто писать о сложном - это особый талант)
@user-_kirill
Жыл бұрын
Очень интересно. Надо почитать по глубже. Хорошо получилось видео с точки зрения ёмкости и информативности.
@Ana-rv6xm
2 жыл бұрын
Спасибо за очень крутое объяснение!!! Все очень понятно
@user-nr1ym9zw1t
2 жыл бұрын
Супер, очень круто, спасибо!)
@user-gq7kn3uk4t
2 жыл бұрын
Все супер! Давай ещё видео!
@user-gq1rv6rm4o
2 жыл бұрын
огромное спасибо за материал!
@zollogamecenter1045
2 жыл бұрын
огромное спасибо!
@dedkoster
Жыл бұрын
Звук бы погромче, пришлось все вывернуть на максимум и все равно плохо слышно
@LS-oh6po
9 ай бұрын
Интересно, а ИИ и градиентный бустинг может решать задачу выбора оптимального значения из массива? То есть есть массив из которого надо выбрать лучшее значение по каким-то признакам. Например, 1000 жителей которые обладают критериями - пол, вес, возраст и т.д. из которых надо выбрать лучшего. При этом присваивая важность критериям.
@arti5946
2 ай бұрын
Лямбда это количество наблюдений ?
@user-nw3zl8rd7q
Жыл бұрын
реально для людей.
@ivanaaa6049
3 жыл бұрын
Автор ушел в мелкие детали, а лучше бы рассказал качественные отличия различных бустингов. Один лучше там (потому- то), второй- тут (потому- то), третий вот там (по такой- то причине)... А это просто мешок слов из книжки.
@user-rv8qn7ov3p
3 жыл бұрын
Фишка в том, что тут нет понятия хуже или лучше. Это зависит исключительно от задачи, которую нужно решить. А чтобы выбрать подходящий бустинг, нужно знать как он работает. Если нужен самый быстрый то лучше всего LightGBM, в силу того, что он обсчитывает не весь датасет, а часть. Если много категориальных переменных, то лучше всего CatBoost потому что он под это заточен и т.д
Пікірлер: 13