МЕТРИКИ РЕГРЕССИИ В МАШИННОМ ОБУЧЕНИИ | MAE, MSE, RMSE, R2, коэффициент детерминации.
Метрики качества позволяют оценивать способность моделей машинного обучения восстанавливать закономерности из данных. В этом видео рассмотрим, какие есть метрики для задачи регрессии - задача машинного обучения, где предсказывается вещественная величина.
Курсы на платформе Stepik:
1. Библиотеки Python для Data Science stepik.org/a/1...
2. Введение в нейронные сети (Keras/Tensorflow) stepik.org/a/1...
Метрики помогают понять, когда модель начинает переобучаться, про это явление можете посмотреть в видео ( • ПЕРЕОБУЧЕНИЕ И НЕДООБУ... )
Презентация из видео:
docs.google.co...
Ноутбук из видео:
colab.research...
0:00 Задача регрессии
0:32 Получение данных
1:02 Обучение модели
1:25 Подсчет отклонения предсказания от истины
2:16 Проблема в подсчете отклонения
3:03 Средне-абсолютная ошибка (MAE)
4:18 Средне-квадратичная ошибка (MSE)
5:24 Проблема в интерпретации MSE
5:53 Root mean squared error (RMSE)
6:24 Насколько плохой может быть метрика
8:04 Коэффициент детерминации (R2)
9:38 Отрицательный коэффициент детерминации R2
11:30 Резюме
Пікірлер: 42
У вас дар давать понятные объяснения. Спасибо!
Огромное спасибо! Все по делу, приятная грамотная речь 💜 Слушать лекцию одно удовольствие
@machine_learrrning
Жыл бұрын
так приятно 😍
Говорю со знанием дела - великолепно, редчайший случай. Вы прекрасны.
Благодарю за понятное объяснение) редчайший случай, когда меня не загрузили тяжелой трехэтажной математикой и я всё понял
@marinajuzova1356
Жыл бұрын
😂
Идеальнее уроков/Обьяснения/Мануала/ЧитВидео/курса/ лекции я не видел 😭
Мало кто может так понятно подать информацию, даже за деньги! Благодарю!
Лучшее объяснение!
У Вас талант к подаче материала, однозначно. Лучшее объяснение, что мне попадалось в ютубе) продолжайте выпускать ролики и курсы) подписался
Большое спасибо за умение объяснить сложное простым языком!
Очень хорошо и кратко. Впрочем как и всегда). Пришел сюда с ваших уроков на GB.
Привет, спасибо еще раз за твою работу. Очень толковое объяснение.
Спасибо вам огромное, вкм бы преподавать или вести курсы. Ведь это целое умение давать понятные объяснения
@machine_learrrning
Жыл бұрын
Пожалуйста! Спасибо за такие приятные слова 😊 И так занимаюсь преподавательской деятельностью, индивидуальные занятия и занятия в университете.
Отличное видео, всё четко и понятно. Респект
Классное простое понятное объяснение! Спасибо!
Спасибо, очень понятно и интересно! 🖖
У вас феноменальная способность к объяснению! Большое спасибо, очень крутое видео (как и остальные), всё просто по полочкам!
Урок супер!!!
круто! вы большая молодец. Продолжаете выпускать видео
Очень интересно и доступно! Спасибо и ждём еще видео!
Очень здорово. Всё понятно и доступно рассказано!
Большое спасибо за такое замечательное видео, очень классно и понятно рассказываешь!
Очень интересно, спасибо❤
Солнышко, заячка, дай Бог здоровья Тебе.
У вас суперские видео, очень информативно и все понятно! Вы молодец!
Браво!
Блестяще!
Спасибо, было полезно
концентрированная информация) спасибо, милашка)
@machine_learrrning
Жыл бұрын
Пожалуйста 😊
Спасибо!
Супер
спасибо тебе
можно курс по мат анализу для ml :D
Юлия, правильно ли я понимаю, что значения RMSE и MAE стоит интерпретировать как погрешность, то есть как +- некоторое отклонение, например, диапазон значений прогнозирования некой величины будет [y-MAE; y+MAE]?
@machine_learrrning
2 жыл бұрын
В целом да, можно к этим значениям относится, как к средним отклонениям от истины по всем предсказаниям
это видео можете в плейлист добавить
@machine_learrrning
Жыл бұрын
в какой именно плейлист? есть плейлист про метрики для классификации, а тут метрики для регресии
@doniyordjon_pro
Жыл бұрын
@@machine_learrrning сделать метрики для регрессии
Спасибо!