pitanja koja sam danas dobio:
procjena parametara:
sto je funkcija izglednosti
koja vrijednost odgovara ml procjenama na grafu funkcije izglednosti
kako ovisi funkcija izglednosti za bernoullijevu distribuciju o parametru m
koje su ml procjene na 1.c grafu i koji je problem s njima
kako se rjesava taj problem
koje su razlike izmedu map i mle procjene
kako se mijenja mod beta distribucije u ovisnosti o alfa i beta parametrima
sto je pearsonov koeficijent korelacije, koji mu je raspon i sto predstavlja
pgm:
koja su tri aspekta pgmova
koju zajednicku distribuciju modelira konkretna mreza iz labosa i kako ju raspisati
kako radi egzaktno zakljucivanje i zasto se koristi
koja je razlika izmedu aposteriornog i map upita
pojasni efekt objasnjavanja na zadanom primjeru
grupiranje:
koja je razlika nadziranog i nenadziranog ucenja
koji su neki primjeri nenadziranog ucenja
sto je cvrsto a sto meko grupiranje
sto je particijsko a sto hijerarhijsko grupiranje
kakav algoritam je kmeans prema podjeli iz prethodnog pitanja
kako radi k means algoritam
kako odrediti vrijednost hiperparametra K iz grafa kriterijske funkcije
je li metoda robusna
objasni sto se dogada na silhouette plotu i kako iz njega odrediti hiperparametar K
sto uzrokuje problem u grupiranju na grafu 2.c
koje su razlike u parametrima kod gaussovih modela mjesavina i kmeansa
moze li se gmm dobro nostiti s grupama neprirodnih oblika
zasto je randov indeks ekvivalent klasifikacijske tocnosti u problemima grupiranja
kako radi randov indeks
koji je problem kod randovog indeksa