Логистическая Регрессия | Logistic Regression | Линейная модель для классификации |МАШИННОЕ ОБУЧЕНИЕ

Поддержать канал можно оформив подписку на

Преподаю на курсах в онлайн-университете на программах, связанных с ИИ и Data Science:
Приходите ко мне на занятия!

Курсы на платформе Stepik:

❓ Вопросы, на которые найдем ответы в этом видео:
- Что такое логистическая регрессия
- Как обучается логистическая регрессия
- Что такое правдоподобие
- Что такое функция потерь logloss (кросс-энтропия)



0:00 Введение
0:05 План занятия
0:20 Что нужно знать для занятия

1:14 Что такое логистическая регрессия
2:06 Линейная классификация
4:11 Сигмоида для линейной классификации
6:02 Логистическая регрессия простыми словами

6:24 Как обучается логистическая регрессия
6:43 Сравнение логистических регрессий
8:00 Введение в logloss
8:06 Правдоподобие Likelihood
8:42 Простой пример расчета правдоподобия
10:51 Расчет правдоподобия на всех данных
12:34 Получили логистическую функцию потерь
12:41 Расчет логлосса на правдоподобии
13:13 Сравнение кросс-энтропии

13:38 Вывод кросс-энтропии из правдоподобия
13:41 Формула подсчета правдоподобия
14:08 Пример расчета правдоподобия по формуле
15:40 Вывод формулы logloss
16:08 Метод максимального правдоподобия
16:22 Как из правдоподобия получить logloss
17:34 Градиент по logloss
18:06 Резюме обучения логистической регрессии

18:40 Спойлер к следующему видео

18:54 Резюме занятия
19:01 Логистическая регрессия - это линейная регрессия с сигмоидой
19:21 Правдоподобие
19:30 Logloss, Логлосс, Cross-entropy, Кросс-энтропия

19:42 ♡

[ajax]

Много смотрела объяснений по этой теме, какие-то из них считала хорошими, но после просмотра Вашего ролика, поняла, ЧТО ЭТО ПРОСТО ЛУЧШЕЕ ОБЪЯСНЕНИЕ. Очень подробно, с необходимой математикой, которая, однако, подана крайне понятно и приятно. И все это за 20 минут!!! Некоторые лекторы и за час не могут дать всей той информации, а главное, ее понимания, как это сделали Вы. Очень надеюсь, что мы еще увидим от Вас ролики Т_Т

[pashamorozov]

Спасибо большое. Ооооочень доступно и понятно, как и все видеоролики. Вы талант!

[mariakupfer]

О Боже, я наконец-то всё поняла! Спасибо большое! Я правда уже долгое время не могла понять, что такое Правдоподобие и как оно связано с Логистической регрессией! Пошла смотреть другие ваши видео 😊

[pavelkoloyan]

Спасибо. Очень понятно объясняешь. Смотрю твои видео для закрепления материала. Если, что то не догоняю после твоих видео все становиться на места). Про расчет градиента очень бы хотелось послушать. Тема довольно важная кажеться😃👍

[leshamas_]

Большое спасибо за разъяснения! Видео очень ёмкое и подробное для каких-то 20 минут =)

[escapedraccoon]

Потрясающая подача материала и отличная инфографика

[petrgolovnin]

Юлия, благодарю за урок! Для чего нужно делать градиентный спуск из logloss и как его делать? Будет супер, если такой урок сделаете)

[АртемЕрохин-бс]

Как всегда, отличное объяснение! Спасибо!

[ВикторияСазанчук]

Спасибо, очень доступно, ждём продолжение)

[ВикторБелый-хк]

Спасибо большое за видео, очень хорошее видео

[ИванЕвдокимов-ль]

Спасибо за контент! Видео помогают суммаризировать информацию - ставлю лайк под каждым вашим роликом) По данному видео возникло 3 вопроса:
1. Почему на 11:55 мы делим на N? Вроде как когда я изучал статистику, при поисках ОМП (оценок макс правдопод) мы не делили правдоподобие на N.
2. Совпадение ли, что на 17:10 формула похожа на энтропию Шеннона? Если нет, то как это связано?))
3. Как получилась формула для градиента logloss? Вы сказали, что выведите формулу в след видео с реализацией - я поверхностно пробежался по таймкодам, но вывода не нашел(

[ds_sss_rank]

логлосс вроде это бинарная кросс-энтропия, а не кросс-энтропия 17:30
за видео спасибо <3

[tchntrn]

leaRRRning это отсылка на что?)) Клевый ролик)

[burbon_]

Спасибо. Хоть кто-то объяснил толком на графике 😊

[aly]

Спасибо огромное, это лучшее объяснение правдоподобия. А планируется ли видео по подробному разбору roc-auc?

[LoSb_Krakov]

Я понял, что такое правдоподобие, ура!

[Putinka]

Хотелось бы ссылку на donation alerts, яндекс кошелек и т.п., чтобы иметь возможность единоразово отблагодарить без регистрации. За видео спасибо.

[Меняемпривычки]

Кто-нибудь объясните пожалуйста про логарифм на 12:21

[leowhynot]

есть видео про подробное получение градиента? хотелось бы еще узнать как высчитываются веса в sklearn модели logreg. неужели все через градиентный спуск?

[АлиСултанов-иэ]

Спасибо, а логистическая регрессия умеет работать с пропусками в данных ?