Studoši

kako?

endyyyy

Iz fje gubitka izračunaš h(x). Pomoću h(x) i w0 izraziš w^T x, zatim ga pomnoži s 2 i na kraju novi h(x) = 2w^T x + w0 i obrnutu oznaku ubacuješ nazad u funkciju gubitka i to je rješenje.

Može li netko objasniti ovo?

Dootz Da bi računao udaljenost od hiperravnine u prostoru značajki trebaju ti težine i preslikani primjeri. Funkcija preslikavanja je implicitno poznata iz korištene jezgre (kako se radi o algoritmu SVM onda možemo biti sigurni da je jezgra Mercerova), pa onda iz Lagrangeovih multiplikatora \alpha_i i preslikanih ulaznih primjera se lako dobiju težine \mathbf{w}. Dakle to je sve moguće, jedino problem sa Gaussovom jezgrom ili složenijim koje koriste Gaussovu jezgru kao gradivni blok jest taj da je preslikavanje beskonačno dimenzijsko, pa je to valjda (nisam ni ja siguran lmao) razlog zašto se ne može sa Gaussovom jezgrom.

Zna li netko zašto ovdje ne bi mogao bit odgovor pod D?

FERella jer ne znamo kako regularizacija utjece na model, mozda je s tolikim faktorom model jos jednostavniji od H2,0

FERella Neka me netko ispravi ali sjećam se da sam pričao sa asistenticom i stvar je da ne možeš ništa reći o generalizaciji hipoteza, i ovaj drugi dio “imat će manju pogrešku na skupu za učenje” ne mora nužno bit točno. Možda je lambda=100 prevelik faktor i greška je puno veća

Dragi prijatelj strojnog učenja to radim ali iz nekog razloga mi ne ispada dobro, ako mozes uslikat postupak bila bih jako zahvalnaa

endyyyy
Pretpostavljam da nisi stavila izraz -(wx + w0) u potenciju kod formule za h(x), vec samo -wx

tomekbeli420 Nije strogo nužno eksplicitno izračunati težine niti koristiti funkciju preslikavanja pošto se sve može prikazati preko unutarnjih produkata/jezgri, vidi viliml
Jedino je možda problem da ta formula vrijedi ako udaljenost postoji, možda se može reći da udaljenost ne postoji pa ta formula iako daje neki broj nije baš rigorozno točno zvati “udaljenost”?

moze netko objasnit zasto je ovo C, a ne npr D

[obrisani korisnik]

D nije tocan jer se pozicija hiperravnine ne mijenja porastom vektora w, isto vrijedi i za udaljenost primjera od hipperavnine, mnozenje vektora skalarom ne utjece na udaljenost.

Ono što se mjenja je izlaz modela, h(x) i on raste proporcionalno porastom w.

Bi li u ovome zadatku isključili x4 jer je u zavisnosti s x3 (ako dobro razmisljam)?
Koliko bi bilo rješenje jer zbunjuje me ovo s parovima i trojkama kvadrata. Uzimamo li u obzir da npr. za par imamo mogucnost birati dva elementa od 6 mogucih ili od 12?

BillIK to su dva odvojena racuna, nisu u ovisnosti

reko bi da je x7 suvisan jer ga mozes izracunat iz ostalih podataka - imas ukupan iznos kredita i imas iznos otplacenih, ne treba ti podatak koliko je preostalih. istom logikom se moze maknut bilo koji od x5, x6, x7 - dovoljna su dva od ta tri.

BillIK

angello2

mozete li napisat postupak pls, ne kuzim nikako kako doc do rjesenja

V07 4. Zadatak: Svi poopćeni linearni modeli mogu se trenirati u “online” (pojedinačnom) načinu, primjernom
algoritma LMS. To vrijedi i za algoritam linearne regresije, za koji smo prvotno kao minimizaciju
kvadrata provodili računajući pseudoinverz matrice dizajna. Jedna od prednosti algoritma LMS
u odnosu na izračun pseudoinverza kod linearne regresije je manja računalna složenost LMS-a.
Neka E označava broj epoha, N je broj primjera, a m broj značajki u prostoru značajki. Koja je
(vremenska) računalna složenost algoritma LMS, primijenjenog na linearnu regresiju?

Iz predavanja:

Nije mi jasno zašto se pojavljuje izraz m, tj. koja operacija uzrokuje tu kompleksnost?
Je li to operacija preslikavanja \phi(x) ili izračun skalarnih produkta unutar izraza za ažuriranje težine w?

Matt Za svaku epohu, za svaki primjer, svaka težina se mora ažurirati.
Ovo u tvojoj drugoj slici je vektorska jednadžba koja je skraćeni prikaz za m zasebnih operacija.

Kak se ovo točno radi, tojest nije mi jasno odkud mi po dvije težine za x1 itd…

RickyMorty Ovaj zadatak je detaljno objašnjen na teams predavanjima.

zara Jel pronadeno rjesenje za ova dva zadatka?

Ovo je mi s materijala na studosima, u rj pise da je A tocno, jel to krivo ili? Ja nevidim kako nije C

gad_gadski

Grafički se lagano rijesi