Горячее
Лучшее
Свежее
Подписки
Сообщества
Блоги
Эксперты
Войти
Забыли пароль?
или продолжите с
Создать аккаунт
Я хочу получать рассылки с лучшими постами за неделю
или
Восстановление пароля
Восстановление пароля
Получить код в Telegram
Войти с Яндекс ID Войти через VK ID
Создавая аккаунт, я соглашаюсь с правилами Пикабу и даю согласие на обработку персональных данных.
ПромокодыРаботаКурсыРекламаИгрыПополнение Steam
Пикабу Игры +1000 бесплатных онлайн игр
Скайдом - пожалуй, самая красочная и интересная головоломка с действительно уникальными режимами игры!

Скайдом

Три в ряд, Головоломки, Казуальные

Играть

Топ прошлой недели

  • AlexKud AlexKud 38 постов
  • SergeyKorsun SergeyKorsun 12 постов
  • SupportHuaport SupportHuaport 5 постов
Посмотреть весь топ

Лучшие посты недели

Рассылка Пикабу: отправляем самые рейтинговые материалы за 7 дней 🔥

Нажимая кнопку «Подписаться на рассылку», я соглашаюсь с Правилами Пикабу и даю согласие на обработку персональных данных.

Спасибо, что подписались!
Пожалуйста, проверьте почту 😊

Помощь Кодекс Пикабу Команда Пикабу Моб. приложение
Правила соцсети О рекомендациях О компании
Промокоды Биг Гик Промокоды Lamoda Промокоды МВидео Промокоды Яндекс Директ Промокоды Отелло Промокоды Aroma Butik Промокоды Яндекс Путешествия Постила Футбол сегодня

Data Science + Telegram (ссылка)

С этим тегом используют

IT Программирование Машинное обучение Обучение Python Аналитика Искусственный интеллект Вертикальное видео Юмор Картинка с текстом Короткие видео Девушки Эротика Кот Все
4 поста сначала свежее
2
DELETED
3 месяца назад

Развиваем Data Science навыки⁠⁠

https://t.me/ai_tablet больше материалов тут

Основные направления:

  1. Классическое машинное обучение (табличные данные):

    • Рекомендуется книга "Python Machine Learning by Sebastian Raschka". Следует обратить внимание на все главы, за исключением 13-й, информация в которой может быть устаревшей.

    • Специализация "Машинное обучение и анализ данных" от МФТИ и Яндекса представляет собой комплекс из шести курсов. Первые три курса охватывают основы машинного обучения, четвертый посвящен статистике. Пятый и шестой курсы ориентированы на практику и могут быть изучены по мере необходимости.

    • Участие в открытых соревнованиях на платформе Kaggle способствует пониманию метрик качества, методов валидации и практическому применению знаний.

    • Полезными могут быть лекции с конференции DataFest (https://www.youtube.com/channel/UCeq6ZIlvC9SVsfhfKnSvM9w), в частности, материалы трека Machine Learning Training (https://www.youtube.com/playlist?list=PLTlO6nV_TaGD21r6xPHhV1k7QfVuug3BB), включая более ранние доклады, освещающие базовые концепции.

  2. Практика и документация:

    • Для углубленного изучения алгоритмов бустинга рекомендуется детально разобраться в принципах их работы и областях применения, поскольку они являются ключевым инструментом при работе с табличными данными.

    • Официальная документация: https://catboost.ai/, https://xgboost.readthedocs.io/en, https://lightgbm.readthedocs.io/en.

  3. MLOps:

    • Книга "Introducing MLOps" издательства O'Reilly представляет собой введение в управление моделями машинного обучения для обеспечения их стабильной и эффективной работы.

  4. Системный дизайн в машинном обучении:

    • Книга "Designing Machine Learning Systems" (O'Reilly) рассматривает вопросы проектирования ML-систем с учетом выбора метрик, удобства сопровождения и масштабируемости.

  5. Развитие аналитических навыков:

    • Книга «Девенпорт, аналитика как конкурентное преимущество» может быть полезна для развития аналитического мышления.

    • Необходимо владеть SQL и библиотекой Pandas для эффективной работы с данными.

  6. Рекомендательные системы:

    • Курс Recsys доступен по ссылкам: https://m.youtube.com/watch?v=igwNb7dBlms и https://www.youtube.com/playlist?list=PLX6toIl17nZENhNNUTrwR3Pxb8nCSKZsV. Основная часть курса представлена первыми пятью лекциями, остальные материалы содержат прикладные примеры.

  7. АБ-тестирование:

    • Рекомендуются следующие ресурсы:

      • Гайд от VK: https://vkteam.medium.com/practitioners-guide-to-statistical-tests-ed2d580ef04f

      • Бесплатный курс от Яндекса: https://practicum.yandex.ru/statistics-basic/

      • Книга "Trustworthy Online Controlled Experiments"

  8. NLP (обработка естественного языка):

    • Для изучения NLP рекомендуется последовательно ознакомиться с концепциями tf-idf, Word2vec и fasttext, затем перейти к LSTM, трансформерам, BERT, GPT и LLM (включая LoRA). В качестве учебных материалов могут быть полезны следующие курсы:

      • Курс от ШАД по NLP: https://github.com/yandexdataschool/nlp_course

      • Курс Лены Войта: https://lena-voita.github.io/nlp_course.html

      • Курс Abby (охватывает материал до трансформеров): https://github.com/DanAnastasyev/DeepNLP-Course

      • Также рекомендуется изучение обзорных статей, например: "A Comprehensive Overview of Large Language Models" (https://arxiv.org/pdf/2307.06435).

  9. CV (компьютерное зрение):

    • В качестве базового материала по глубокому обучению рекомендуется книга "Deep Learning with PyTorch". Для практического изучения компьютерного зрения полезным будет руководство по построению базовых моделей для классификации и сегментации изображений. Дальнейшее изучение тем может осуществляться самостоятельно. Ключевые направления включают:

      • image classification

      • segmentation

      • GAN

      • object detection

      • instant segmentation

      • pose estimation

      • diffusion models

      • multimodal models

      • Vision Transformer

      • Изучение обзорных статей по данным направлениям также является важным.

Буду рад, если данная подборка окажется полезной. Ваши дополнения и комментарии приветствуются.

Показать полностью
Искусственный интеллект Data Science Текст Telegram (ссылка) YouTube (ссылка)
0
Datatime
3 месяца назад

Как развить навыки в Data Scince - личный опыт⁠⁠

Постоянно набрасываю себе книги и курсы, которые мне действительно понравились и помогли

База

1️⃣ Классическое машинное обучение (табличные данные)
📖 "Python Machine Learning by Sebastian Raschka" – классика, но избегайте 13-й главы (устарела).
🎓 Специализация "Машинное обучение и анализ данных" от МФТИ и Яндекса – 6 курсов, из которых первые три по ML, 4-й — по статистике (очень полезно), а 5-6 можно пропустить.
🏆 Участвуйте в открытых соревнованиях на Kaggle. Это поможет научиться метрикам и валидации.
🎥 Лекции с Датафеста – YouTube канал и плейлист "ML Training" (ссылка).

2️⃣ Углубление в бустинги
Понимание их работы – основа для табличных задач, важно разбираться в CatBoost, XGBoost и LightGBM.
📜 Документация:

  • CatBoost

  • XGBoost

  • LightGBM

3️⃣ MLOps (O'Reilly)
📖 "Introducing MLOps" – 200 страниц о том, как управлять моделями машинного обучения и обеспечивать их надежную работу в продакшене.

4️⃣ System Design для Data Science
📖 "Designing Machine Learning Systems" (O'Reilly) – о том, как строить системы с правильным выбором метрик, поддерживаемостью и масштабируемостью.

5️⃣ Развитие аналитических навыков – это не просто база, а один из самых важных аспектов!
📖 "Девенпорт, аналитика как конкурентное преимущество"
💻 Разобраться с SQL и Pandas – это фундамент для работы с данными.

6️⃣ Рекомендательные системы
🎓 Recsys курс на YouTube и плейлист.

7️⃣ АБ-тестирование
📖 "Trustworthy Online Controlled Experiments"
📚 Гайды и курсы:

  • VK Guide

  • Бесплатный курс от Яндекса

8️⃣ NLP
Тема огромная, с tf-idf -> Word2Vec, fasttext, LSTM -> трансформеры -> BERT -> GPT -> LLM (и LoRA).
🎓 Курс от ШАДа по NLP – ссылка.
🎓 Курс от Lena Voita – ссылка.
📖 Обзорная статья A Comprehensive Overview of Large Language Models – ссылка.

9️⃣ Computer Vision
📖 Deep Learning with PyTorch – базовый курс по DL для работы с компьютерным зрением. Практическая книга по классификации и сегментации изображений.
✨ Изучайте темы по мере интереса:

  • image classification

  • segmentation

  • GAN

  • object detection

  • instant segmentation

  • pose estimation

  • diffusion models

  • multimodal models

  • Vision Transformer

Еще больше полезных материалов и обсуждений – в моем Telegram-канале 🚀

Показать полностью
[моё] Программирование IT Data Science Текст Telegram (ссылка) YouTube (ссылка)
0
dad.business
dad.business
3 месяца назад
Молодые предприниматели

10 лет был предпринимателем: Я закрыл 2 своих компании и устроился в 38 лет на работу в IT⁠⁠

Обычно все рассказывают, как ушли из найма и открыли многомиллионный бизнес, а тут всё шиворот-навыворот. Но это отнюдь не история провала, прочтёшь и сделаешь выводы сам...

10 лет был предпринимателем: Я закрыл 2 своих компании и устроился в 38 лет на работу в IT Бизнес, Предпринимательство, Личный опыт, Увольнение, Банкротство, Малый бизнес, Карьера, Стартап, IT, Data Science, Удаленная работа, Провал, Работа, Найм, Telegram (ссылка), Бизнес по-русски, Бизнес-идея, Бизнес-план, Фриланс, Длиннопост

Приветствую, на связи твой священный поставщик годных статеек — Батюшка, пропах ряс воском, Бизнесменский!

Руку целовать не надо, просто подпишись на телеграм-канал, это засчитаю.


Данная статья написана на основе интервью с главным героем истории. «Все истории вымышлены, а совпадения случайны». Некоторые фотографии могут быть взяты из интернета для создания атмосферы и глубокого погружения в рассказ.

Для понимания контекста

Все эти гуру, инфоцыг@не и прочие "успешные" личности только и трубят, как бросить эту каторгу под названием "работа в офисе" и, вуаля, оказаться на Мальдивах с коктейлем в руке. А вот о том, как из этого "рая" сбежать обратно в найм, почему-то молчат. Пандемия, спасибо ей, немного приоткрыла глаза на эту "романтику".

Когда я был царем и богом в своем микро-королевстве (читай: малый бизнес), на собеседованиях наивно спрашивал кандидатов, кем они себя видят лет через 5-10. Ответ, как под копирку: "Свой бизнес, свобода, яхта, острова!"...

Моей первой фирме исполнилось 10 лет на момент, когда я решил поменять свою жизнь на 180 градусов. Тогда я и представить не мог, что сам когда-нибудь променяю эту "свободу" на корпоративный галстук. Про галстук утрирую, не ношу.

Но вот я здесь, и, знаете что? Это приключение! Из бизнес-воротилы в системного аналитика – путь неблизкий, с переездом и кучей сюрпризов. Готовьте попкорн, сейчас расскажу.

Мои бизнесулички

Как рождаются бизнес-идеи? Легко! Если тебе чего-то остро не хватает, а вокруг – выжженная пустыня, где все "как бы есть, но как бы нет". Вот и я так думал: "Надо делать!" И понеслось! И вообще, я очень легкий на подъём.

2008 год. Я работал в одной региональной компании бухгалтером, нужно было пройти повышение квалификации. Курсы бухгалтеров – мой личный ад. Три "конторы" в пыльных развалинах, преподаватели – мамонты с заводов, объясняют так, что проще выучить китайский.

10 лет был предпринимателем: Я закрыл 2 своих компании и устроился в 38 лет на работу в IT Бизнес, Предпринимательство, Личный опыт, Увольнение, Банкротство, Малый бизнес, Карьера, Стартап, IT, Data Science, Удаленная работа, Провал, Работа, Найм, Telegram (ссылка), Бизнес по-русски, Бизнес-идея, Бизнес-план, Фриланс, Длиннопост

Но я не сдавался. Закончил этот "цирк", сдал экзамен и решил: "Надо делать!" Так родился мой центр бизнес-обучения.

Сам учебники рисовал (да-да, с картинками!), нашел молодых, голодных до знаний преподов (сейчас все – воротилы!). Мы так жахнули, что весь город заговорил о нас в профессиональной среде.

Гуф, ты умер? - Да не, меня убило

Я решил, что наш город просто умрёт без концерта Гуфа. И кто, как не я, сможет организовать это грандиозное событие? Первым делом я отправился к родственникам и друзьям, чтобы "немного" одолжить денег. Ну, знаете, как это бывает: "Привет, тётя, дай взаймы на концерт, а то Гуф без нас зачахнет!"

Это был примерно 9-10 год, и на удивление ни разу Гуфа никто в наш город не привозил, да и в целом молодежных концертов с привозными реперами почти не было. Все слушали в колонках на детских площадках музыку, попивая горячительные.

По мере приближения дня X, я начал понимать, что влип по полной. В голове крутились мысли: "А вдруг никто не придёт? А вдруг Гуф забудет текст и люди потребуют вернуть деньги?" Но я героически продолжал верить в успех, хотя внутри всё тряслось.

Продали около 100 билетов.

И вот, настал тот самый день. Гуф вышел на сцену, и я подумал: "Ну, всё, сейчас начнётся!" Но, к моему удивлению, зал взорвался аплодисментами, и я понял, что мы не только вернём долги, но и заработаем сверху.

10 лет был предпринимателем: Я закрыл 2 своих компании и устроился в 38 лет на работу в IT Бизнес, Предпринимательство, Личный опыт, Увольнение, Банкротство, Малый бизнес, Карьера, Стартап, IT, Data Science, Удаленная работа, Провал, Работа, Найм, Telegram (ссылка), Бизнес по-русски, Бизнес-идея, Бизнес-план, Фриланс, Длиннопост

В итоге всё прошло на ура, и я стал местным героем. Приехало даже местное телевидение и попросили меня как организатора сказать пару слов.

Король шаурмы

В 2016 году я решил, что миру не хватает шаурмы, и кто, как не я, должен спасти человечество от голода. Я открыл сеть киосков с шаурмой, и за два года я вырос до четырех точек. Прибыль есть, и я уже представлял себя королём шаурмы.

Но, как оказалось, быть королём — это не только поедать шаурму целыми днями, но и решать миллион операционных вопросов. Киоски требовали внимания, как маленькие дети, и делегировать это было невозможно. Я тратил кучу времени на то, чтобы следить за качеством мяса, учить сотрудников правильно обслуживать клиентов, справляться с текучкой и переманиванием шаурмистов конкурентами...

В итоге я понял, что выхлоп от этого бизнеса меньше, чем от моего центра обучения бухгалтеров. Там хотя бы мясо не портится и не требует постоянного контроля. И вот, с тяжёлым сердцем, я продал свою шаурмную империю. Надо сказать, выгодно.

Пандемия дала оплеуху

2020 год! Кто бы мог подумать, что мир решит устроить глобальную перемену декораций и запустить пандемию? И вот, когда все начали запасаться туалетной бумагой и учиться печь хлеб, я столкнулся с дилеммой: что делать с моим центром обучения бухгалтеров? Уходить в онлайн или оптимизироваться? Казалось бы, надо принимать быстро и резко решение, но не все так однозначно...

В то время я решил, что лучший способ справиться с ситуацией — это впасть в депрессию. Сейчас я подозреваю, что это последствие болезни ковидом было. В итоге я просто перестал видеть смысл во всём. Бизнес? Какой бизнес? Я же в депрессии.

10 лет был предпринимателем: Я закрыл 2 своих компании и устроился в 38 лет на работу в IT Бизнес, Предпринимательство, Личный опыт, Увольнение, Банкротство, Малый бизнес, Карьера, Стартап, IT, Data Science, Удаленная работа, Провал, Работа, Найм, Telegram (ссылка), Бизнес по-русски, Бизнес-идея, Бизнес-план, Фриланс, Длиннопост

И вот, пока я сидел и размышлял о смысле жизни, мой центр обучения бухгалтеров тихо закрылся. Ну, что тут скажешь? 10 лет существования центра, и такая никчемная смерть. Это ещё больше загнало меня "в себя", и полтора года я не выходил из дома, лежал и смотрел в потолок. В итоге, ковид победил, а бизнес... ну, он просто ушёл на покой, как и моя мотивация.

Депрессуха — палец тебе в ухо!

Я походил к психологам, пропил таблеточек. Мне специалисты посоветовали занять себя чем-то новым, создать новые нейронные связи в голове. Сказано — сделано!

Я решил, что мне интересна IT-сфера. Выбрал направление Data Science.

Я тщательно отбирал курсы, как сомелье выбирает вино, бабки же плачу, не хочется отдавать за воздух, ибо понимаю, что его много на рынке. Остановился на одной из тренинговых компаний. Восемь месяцев обучения — и я готов покорять мир! Несколько часов в день я посвящал изучению, а с 4 месяца начал рассылать резюме. И тут начинается самое интересное.

Кстати, если ты пишешь тексты — у Батюшки есть бесплатный чек-лист с приёмами хулиганского копирайтинга. Забирай в телеграм-канале, в закрепленном посте.

Пару месяцев я провёл в эпической битве с HR-боссами, рассылая резюме и проходя по несколько собеседований в день. Это было как участие в марафоне, только вместо медали в конце — предложение работы в крупной IT-компании. Но, конечно, не всё так просто.

Мне на тот момент было 38 лет, и я только что прошёл обучение. Опыта практического нет, я вообще думал что это бредовая затея, и моё место — работа на автомойке.

На одном собеседовании, на третьем созвоне (там поэтапное собеседование) мне сказали: "Добро пожаловать на борт! Но сначала месяц испытательного срока. Если выживешь, то переезжай в Москву, потому что работа в офисе." Я согласился, ибо легкий на подъём, не забываем. В конце концов, кто не рискует, тот не пьёт шампанское в офисе мечты.

И вот, я отработал этот месяц. Каждый день был как эпизод реалити-шоу "Выживший", только без пляжей и кокосов. По ходу работы гуглил термины, смотрел гайды на ютубе, дообучался в процессе, скажем так. Но я справился, и меня взяли! Ура, пора паковать чемоданы и отправляться в Москву. Да, синдром самозванца меня стороной обходит.

Через 2 года работы меня повысили. Теперь я — ведущий аналитик. Переезд в Москву стал моим личным квестом, а работа в офисе — наградой за пройденные испытания. В итоге всё закончилось хорошо, и я даже начал находить удовольствие в московских пробках. Ведь что может быть лучше, чем сидеть в пробке и знать, что ты — ведущий аналитик в компании своей мечты?

Жалею ли я о том, что моя предпринимательская карьера не задалась и я потерял бизнес, который существовал 10 лет в моей жизни? Именно об этом я и жалел полтора года депрессии. Даже не жалел, а выл на луну. Но, когда начал учится новому, айтишному ремеслу, мне стало сильно легче, и даже нравится. Даже допускаю, что это больше моё, чем бизнес. Но, если уж говорить честно — невольно задумываюсь о бизнесе, мысли сами лезут, но пока отгоняю.

Сколько волка не корми, а он все равно в лес будет смотреть...

Что думаете? Был ли у кого-то похожий опыт? Поделитесь, будет интересно почитать, и не только мне.


Батюшка Бизнесменский в своём блоге пишет об историях предпринимателей и их уникальном опыте.

Подпишись на телеграм-канал чтобы не потерять новые статьи.

Показать полностью 4
[моё] Бизнес Предпринимательство Личный опыт Увольнение Банкротство Малый бизнес Карьера Стартап IT Data Science Удаленная работа Провал Работа Найм Telegram (ссылка) Бизнес по-русски Бизнес-идея Бизнес-план Фриланс Длиннопост
7
Партнёрский материал Реклама
specials
specials

Только каждый третий пикабушник доходит до конца⁠⁠

А сможете ли вы уложить теплый пол, как супермонтажник?

Проверить

Ремонт Теплый пол Текст
6
troitskii
troitskii
1 год назад

Простыми словами про метрики в ИИ. Регрессия. MSE, RMSE, MAE, R-квадрат, MAPE⁠⁠

Привет, Пикабу! Меня зовут Александр Троицкий, я автор канала AI для чайников, и я продолжаю серию коротких статей по метрикам качества моделей для машинного обучения!

Что такое регрессия?

Задача регрессии в машинном обучении — это тип обучения в ИИ, когда модель обучается на данных с непрерывным значением, чтобы предсказывать его на основе одного или нескольких входных параметров. Отличие регрессии от задач классификации заключается в том, что регрессия предсказывает непрерывные значения (например, цену на дом, температуру, количество продаж), в то время как классификация предсказывает категориальные метки (например, да/нет, красный/синий/зеленый).

То есть задача регрессии предсказывает какую-то цифру, а задача классификации - это как выбор в тесте из нескольких вариантов ответа.

Пример

Давайте представим, что мы - доска объявлений типа Авито или Циана. Мы хотим подсказывать пользователю в интерфейсе по какой цене ему лучше разместить свою квартиру на основании множества факторов, например:

  • Местоположение квартиры

  • Площадь

  • Этаж

  • Ремонт

  • Год постройки здания

В итоге мы выводим пользователю рекомендуемую цифру в евро.Мы предсказали стоимость 10 квартир, а через месяц узнали за сколько их на самом деле продали.

Простыми словами про метрики в ИИ. Регрессия. MSE, RMSE, MAE, R-квадрат, MAPE IT, Программирование, Python, Data Science, Искусственный интеллект, Метрики, Telegram (ссылка), Длиннопост

Далее мы проведем с этими результатами нехитрые вычисления:

  • Вычтем из предсказанной цены реальную цену (первый столбик)

  • Возведем эту разницу в квадрат (второй столбик)

  • Возьмем корень из этого квадрата (третий столбик)

Получим следующие результаты на нашем примере:

Простыми словами про метрики в ИИ. Регрессия. MSE, RMSE, MAE, R-квадрат, MAPE IT, Программирование, Python, Data Science, Искусственный интеллект, Метрики, Telegram (ссылка), Длиннопост

P.S. да, можно просто взять разницу по модулю, но более умные математики говорят, что это все-таки не одно и то же - можете почитать об этом отдельно

MSE

Если мы возьмем второй столбик из зеленой таблицы выше, сложим все числа в нем, а потом поделим на количество этих чисел (возьмем среднюю), то получим MSE или среднюю квадратическую ошибку. В нашем случае:

MSE = 3353809295

Большое число! Из-за его величины оно сложно интерпретируется с точки зрения бизнеса. Чаще эту метрику используют при разработке моделей, когда важно наказывать большие ошибки сильнее, чем маленькие, так как ошибка возрастает квадратично. Это делает MSE чувствительной к выбросам. MSE используют, если большие ошибки недопустимы и должны сильно влиять на модель.

RMSE

RMSE или среднеквадратическая ошибка - это младший брат MSE. Чтобы ее посчитать нужно просто взять квадрат из MSE!

В нашем случае получится 57912.

RMSE также штрафует за большие ошибки, но в отличие от MSE, масштаб ошибки аналогичен исходным данным, что облегчает интерпретацию. Это делает RMSE хорошим выбором для многих практических задач, где важна интерпретируемость результата.

MAE

MAE или средняя абсолютная ошибка считается по третьем столбику из зеленой таблички выше. Нужно взять сумму корней из квадрата разницы между предсказанной ценой и реальной ценой и поделить ее на количество наблюдений. Проще говоря, берем среднее из третьего столбика.

В нашем примере MAE = 49243

MAE менее чувствительна к выбросам по сравнению с MSE и RMSE. Это делает её предпочтительным вариантом, когда выбросы присутствуют в данных, но не должны сильно влиять на общую производительность модели.

Немного усложним нашу зеленую табличку

Чтобы разобраться с тем как считается R-квадрат и MAPE нужно дополнить нашу зеленую табличку еще двумя стобиками:

  • Вычтем из предсказанной цены среднюю предсказанную цену и возведем это в квадрат (четвертый зеленый столбик 4). P.S. Не спрашивайте зачем это нужно и какой в этом практический смысл - просто сделайте :)

  • Поделим третий зеленый столбик на предсказанную цену квартиру из желтой таблички. То есть поделим разницу между предсказанной и реальной ценой квартиры по модулю на предсказанную стоимость квартиры. (пятый зеленый столбик)

Простыми словами про метрики в ИИ. Регрессия. MSE, RMSE, MAE, R-квадрат, MAPE IT, Программирование, Python, Data Science, Искусственный интеллект, Метрики, Telegram (ссылка), Длиннопост

Коэффициент детерминации (R квадрат)

Чтобы его получить надо из единицы вычесть разницу суммы второго и четвертого зеленых столбцов.

R квадрат = 1 - (сумма 2 зеленого столбца / сумма 4 зеленого столбца)

В нашем случае R квадрат = 85,2%

R-квадрат измеряет, какая доля вариативности зависимой переменной объясняется независимыми переменными в модели. Это хороший способ оценить адекватность модели: близость к 1 говорит о хорошем объяснении данных моделью. R-квадрат лучше всего подходит для сравнения моделей с одинаковыми данными.

MAPE

Средняя абсолютная процентная ошибка или MAPE - это среднее пятого зеленого столбца.

В нашем случае = 14,2%

MAPE измеряет отклонение прогнозов от фактических значений в процентах и является хорошим выбором, когда нужно легко интерпретируемое показание ошибки в процентном отношении. Однако MAPE может быть неэффективной, когда в данных присутствуют нулевые или очень маленькие значения.

Excel файл с примерами

Вы можете найти эксель файл с этими цифрами, бесплатно его скачать и собственноручно поиграться со значениями в нем вот в этом посте в моем телеграмм канале

Заключение

Поздравляю! Вы узнали про основные метрики в задачах регрессии!

Если вам интересно знать про ИИ и машинное обучение больше, чем рядовой человек, но меньше, чем data scientist, то подписывайтесь на мой канал в Телеграм. Я пишу редко, но по делу: AI для чайников. Подписывайтесь!

Показать полностью 3
[моё] IT Программирование Python Data Science Искусственный интеллект Метрики Telegram (ссылка) Длиннопост
4
Посты не найдены
О нас
О Пикабу Контакты Реклама Сообщить об ошибке Сообщить о нарушении законодательства Отзывы и предложения Новости Пикабу Мобильное приложение RSS
Информация
Помощь Кодекс Пикабу Команда Пикабу Конфиденциальность Правила соцсети О рекомендациях О компании
Наши проекты
Блоги Работа Промокоды Игры Курсы
Партнёры
Промокоды Биг Гик Промокоды Lamoda Промокоды Мвидео Промокоды Яндекс Директ Промокоды Отелло Промокоды Aroma Butik Промокоды Яндекс Путешествия Постила Футбол сегодня
На информационном ресурсе Pikabu.ru применяются рекомендательные технологии