Ты же не спамер, да?

Ты же не спамер, да?

Ему ро на неделю минимум :) А дальше видно будет

В других чатах он уже отличился

В других чатах он уже отличился

Ага

Ты же не спамер, да?

Это не мне надеюсь?

Это не мне надеюсь?

Нет нет, там другой был персонаж :)

Дамы и господа, кто на R пишет, помогите разобраться, пожалуйста. Устанавливаю пакет bartMachine, но он упорно ругается на Java, хотя я уже все возможные версии установил, обновил и тому подобное. Что делать? Какую информацию мне предоставить для ответа?

Мужики, в ODS есть где-нибудь тема для вакансий?

да

Мужики, в ODS есть где-нибудь тема для вакансий?

@musit напиши, он собирает все вакансии

Господа, кто сможет пояснить, что такое ядро? К примеру "гауссовское ядро". Как выглядит функция я представляю, но как она используется, чё-то не укладывается...

Господа, кто сможет пояснить, что такое ядро? К примеру "гауссовское ядро". Как выглядит функция я представляю, но как она используется, чё-то не укладывается...

ядро, оно же "ядерная функция" — это нелинейное преобразование на входе SVM. "ядром" называется по историческим причинам, тут логики нет. дело в том, что SVM находит наилучшее разделение между классами только для данных, удовлетворяющих определённому соотношению (см. свойства ядерных функций). а ядро — функция преобразования от реальных данных к этому типу. (это если в абстрактном виде. если нужно пример рассмотреть, то говори)

Преобразование к какому типу?

Преобразование к какому типу?

SVM делает линейную классификацию. для элементов, классифицируемых SVM, должно быть определено понятие "расстояние", и это расстояние должно быть метрикой.

Так

теперь представь, что у нас на входе не линейные координаты, а гауссовы распределения. как определить между ними расстояние?

То есть значения, которые выстраиваются как кривая этого распределения?

да. но есть ещё один важный нюанс. мы теперь это преобразование вводим, чтобы вместо неравенств от гиперплоскости на отдельные координаты у нас было одно неравенство на произведение функции ядра от координат. это позволяет единообразно решать кучу задач там, где систему неравенств так легко не решить, и позволяет обобщить наш линейный классификатор на разные случаи.

Однажды я смогу болтать с тобой на равных, но не сегодня. Не сегодня...

ок, сейчас попробую понагляднее рассказать.

SVM-то лютый по своей природе. Я с понятием ядра сейчас на лекции по kNN столкнулся)

Это да, понятно

теперь определим функцию расстояния, она же метрика. d(x, y) . примеры метрик можешь привести?

Евклидово, манхэттенское, среднее квадратическое расстояния. Оно?

ага. функции расстояния помнишь? теперь представим, что тебе дали скалярное произведение, назвали его K = <X, Y>. сможешь из него сделать функцию среднего квадратического расстояния?

L2(X, Y) = ?

каким образом?

Под xi будет элемент из произведения, а х с чертой среднее из его значений, может...

Я пока недостаточно ориентируюсь в этой области..

это просто обычная математика.

у тебя есть K(x, y) = x1*y1 + x2*y2 . тебе надо выразить через него квадрат расстояния L2(x, y) = (x1-y1)^2 + (x2-y2)^2 . ответ такой: L2(x, y) = K(x,x) + K(y, y) - 2K(x, y) . согласен?

Надеюсь, тут нет подвоха, и можно согласиться)

А эта L2 с понятием регуляризации не связана?

связана. L2 норма, оно же евклидово расстояние, тут я его квадрат назвал L2.

Надеюсь, тут нет подвоха, и можно согласиться)

нет уж, возьми листок, и раскрой скобки. иначе без этого действия непонятно будет следующее.

Справедливо. Надеюсь, не сильно отвлекаю

не, у меня как раз перерыв.

Фигасе. Датасаентист в ночную смену?)

ERROR: S client not available

я на удалёнке работаю, если что, и не совсем "датасаентист", а, скорее, универсал.

ты давай там скобки раскрывай давай.

у тебя есть K(x, y) = x1*y1 + x2*y2 . тебе надо выразить через него квадрат расстояния L2(x, y) = (x1-y1)^2 + (x2-y2)^2 . ответ такой: L2(x, y) = K(x,x) + K(y, y) - 2K(x, y) . согласен?

Тьфу, я чё-то тупанул. В первом примере сложение двух членов, а во втором только один. Тогда легко всё, скобки-то раскрывать умею)

всё сходится?

Да

Я не ошибусь ведь, назвав это полиномом..?

теоретически, можно назвать L2 полиномом второй степени от двух переменных, как и K . но обычно про полином говорят, когда только одна переменная.

теперь давай задачку похитрее рассмотрим.

Ну тут если K(x,x) + K(y, y) - 2K(x, y) за одну переменную принять..)

а вот тебе дали скалярное произведение K = <x, y> и попросили его квадрат записать в виде скалярного произведения функции f на саму себя: <x,y>^2 = <f(x,y,sqrt(x*y)), f(x,y,sqrt(x*y))> найди теперь, что за функция эта f.

Ну тут если K(x,x) + K(y, y) - 2K(x, y) за одну переменную принять..)

это к чему относится? а, про полином. не, так не делают.

А, всё, теперь до конца понял, что там имелось в виду. Дичь сморозил тут

@guitarhero777 так и чему равна f ?

Не получается так синтезировать. Прошу подсказку..

как обычно, раскрой скобки (по определению скалярного произведения).

а, подожди, перепроверю

Эта функция не будет такой же? K(x,x) + K(y, y) - 2K(x, y)

принцип похожий, да

проверяй: f(x, y, sqrt(x*y)) = x + y + sqrt(2)*sqrt(x)*sqrt(y) подходит?