Лекция №3 Классическое машинное обучение

Третье занятие на курсе «Нейронные сети и их применение в научных исследованиях» для группы НС262 шестого потока обучения. Преподаватель: Виктор Немченко Дата: 00:00 Заставка 00:31 Системы предсказаний 00:54 Экспертные системы (Rule-based systems) 01:43 Классическое машинное обучение 01:59 Глубокое машинное обучение 03:17 Необходимость методов классического машинного обучения 04:27 Деревья решений 05:33 Принцип работы дерева решений 07:05 Классификация 11:22 Регрессия 12:08 Преимущества и недостатки деревьев решений 15:11 Bias, Variance, Irreducible error 19:18 Бутстрэп 20:49 Построение доверительного интервала для качества метрики 24:39 Ансамбли 24:43 Корректирующий код 25:29 Усреднение предсказания классификаторов 28:35 Bagging = Bootstrap aggregation 30:51 Метод случайных подпространств (RSM, random subspace method) 32:50 Комбинация RSM и Bagging 34:36 Случайный лес 40:48 Boosting 42:24 Gradient boosting (градиентный бустинг) 51:06 Модификации градиентного бустинга 01:01:50 Про подбор параметров модифицированных бустингов 01:04:01 Блендинг и Стэкинг 01:13:58 Некоторые практические рекомендации 01:14:34 Применение нейронных сетей к табличным данным Материалы лекции: