Метрики в задачах регрессии. Машинное обучение #машинное обучение #machinelearning #ml #mse
Пікірлер: 18
@evelina_abilova Жыл бұрын
Крутой качественный видос, жалко мало просмотров Спасибо за видео
@user-fz6sd9nr4g Жыл бұрын
Очень круто обьясняешь, спасибо, пожалуйста продолжай
@lex83641 Жыл бұрын
Спасибо, друг)) следующий скоро
@user-fz6sd9nr4g Жыл бұрын
Ждемс следующих видосов, желательно про ml
@user-nr6go3ez3x3 ай бұрын
Проходили это на 2 курсе вуза, но только сейчас понял для чего все эти дисперсии нужны были) Спасибо за понятное объяснение
@sergeymarkevich64062 жыл бұрын
спасибо
@user-eu8ov4mu9v6 ай бұрын
идеальное объяснение, узнал больше чем за пол года в унике
@liha478 Жыл бұрын
Делай видосы пожалуйста🙏 Ты очень хорошо дополняешь лекции преподов к пониманию МО новичкам
@user-ri2bq8hg5m Жыл бұрын
Я не буду терять надежд на выход следующего видео)) Классно делаете!
@liha478 Жыл бұрын
Нам препод рассказывал много про мо, но не рассказал такой важной детали зачем нужны эти метрики и че с ними вообще делают. Если б я этот видос посмотрел раньше то понимание пришло бы гораздо быстрее
@kirill_prog8 ай бұрын
Подача крутая. 👍👍
@MRbrtov6 ай бұрын
Можно пожалуйста еще один ролик по мапе и смапе, а так же по рмсле
@maksimlitvinov.95215 ай бұрын
гений
@panzerkabanen62aufsrus9 Жыл бұрын
Мужик красава!
@alex_step_ Жыл бұрын
Здорово объясняешь. Вот только год прошёл, а продолжения нет. Но с меня подписка. Надеюсь продолжение будет.
@lex83641 Жыл бұрын
Я в Data Engineering пока ударился, скоро вернусь))
@Katanych Жыл бұрын
А что не так с бустингами в геокодировании и MAPE?
@user-ik4og2we7u Жыл бұрын
В видео в 3.53 приведены формулы для R2. Два вида. На самом деле между ними ведь нельзя ставить знак равенства. Это равенство выполняется только для линейных моделей. А для линейных - нет. Бывает, что рассчитанный по второй формуле R2 получается вообще отрицательным. Что немного крипово.