ขนาดวิดีโอ: 1280 X 720853 X 480640 X 360
แสดงแผงควบคุมโปรแกรมเล่น
เล่นอัตโนมัติ
เล่นใหม่
全く知識ない状態から勉強していて、とてもわかりやすく、助かってます‼️
参考になりよかったです！
AI学習の駆け出しの者ですが、用語関係の整理と把握にとても役に立ちました。ありがとうございます。
ありがとうございます！
XGBoost, LGBで使われているのは勾配ブースティングではなくNewton Boostingだった気がします。
【視聴ガイド】01:34 XGBoostの基本03:28 LightGBM05:08 CatBoost06:36 XGBoostを使う場面
わかりやすい！とても勉強になりました！世の中にある書籍やwebサイトがどれもウマたんさんのようにわかりやすかったらいいなって思いました。
H Tana ありがとうございます！！！そう言っていただけると、動画を作ったかいがあります！！これからも更新頑張りますのでよろしくお願いいたします！
ありがとうございます！私自身がまだ勉強中なので、完全に理解した訳ではありませんが知識を得ることが出来ました。
コメントありがとうございます！よかったです！
素晴らしくわかりやすい！決定木すごいですね。
手法の説明は端的かつ平易で入門動画として最適ですね。動画の構成も文字ばかりでなくアニメーションを多用されていて見ていて飽きない。もっと再生・評価されるべき動画だと思いますが、分野が分野だけに。。。
ありがとうございます！そう言っていただけると作ったかいがあります。更新頑張ります。
XG boostを効率よく学べました！ありがとうございます😊
ありがとうございます！よかったです！！
とても分かりやすかったです！ありがとうございます！
ありがとうございます！そういっていただけると励みになります！
この音源なにつかっていますか？？めっちゃ気持ちよく勉強できるので知りたいです！！
データサイエンスを学習している初心者です。特徴量エンジニアリングのところの、様々なログインの履歴について、それらのデータはスクレイピング等でデータを収集するような形でしょうか。初歩的ですみません。
ご連絡遅くなり申し訳ございません。ログイン情報など顧客の行動データは自社のデータなのでスクレイピングではなく自社DBに蓄積して使えるデータです。
@@aiby8596 なるほど。かしこまりました。ありがとうございます。
いつも、動画見させていただいてます。質問あのですが、XGBoostは標準化必要ないということでしたが、ランダムフォレストも標準化いらないですか？
わかりやすい動画ありがとうございます！クラス分類のときにでてくる確率はその分類の確からしさを示していますか？それとも生起確率ですか？
わかりやすくてよかったです！気になったんですがなんで補完しなくても問題ないのですか？
pee ps xgboostなどの決定木モデルでは欠損という特徴を使って損失誤差が少なくなるように分岐していきます。そのため欠損値補完をしなくても処理されます。ただもちろんした上でモデルにインプットした方が精度が上がる可能性はあります。mlexplained.com/2018/01/05/lightgbm-and-xgboost-explained/
プレゼンのソフトウェアって、どんなものを使用されてますか？
Vyondというアニメーションツールを使っています！
超薄っぺらい知識で恐縮ですが、XGBoostとLightGBMの違いをパッとみてBFSとDFSに似てる...?と思ったのですがその辺り関係してたりしますでしょうか？👀
まさにですね！
@@aiby8596 ご回答ありがとうございます！気になったので自分で少し調べてみます👀
全く知識ない状態から勉強していて、とてもわかりやすく、助かってます‼️
参考になりよかったです！
AI学習の駆け出しの者ですが、用語関係の整理と把握にとても役に立ちました。ありがとうございます。
ありがとうございます！
XGBoost, LGBで使われているのは勾配ブースティングではなくNewton Boostingだった気がします。
【視聴ガイド】
01:34 XGBoostの基本
03:28 LightGBM
05:08 CatBoost
06:36 XGBoostを使う場面
わかりやすい！とても勉強になりました！世の中にある書籍やwebサイトがどれもウマたんさんのようにわかりやすかったらいいなって思いました。
H Tana ありがとうございます！！！そう言っていただけると、動画を作ったかいがあります！！
これからも更新頑張りますのでよろしくお願いいたします！
ありがとうございます！
私自身がまだ勉強中なので、完全に理解した訳ではありませんが知識を得ることが出来ました。
コメントありがとうございます！よかったです！
素晴らしくわかりやすい！
決定木すごいですね。
ありがとうございます！
手法の説明は端的かつ平易で入門動画として最適ですね。
動画の構成も文字ばかりでなくアニメーションを多用されていて見ていて飽きない。
もっと再生・評価されるべき動画だと思いますが、分野が分野だけに。。。
ありがとうございます！
そう言っていただけると作ったかいがあります。
更新頑張ります。
XG boostを効率よく学べました！ありがとうございます😊
ありがとうございます！よかったです！！
とても分かりやすかったです！
ありがとうございます！
ありがとうございます！そういっていただけると励みになります！
この音源なにつかっていますか？？めっちゃ気持ちよく勉強できるので知りたいです！！
データサイエンスを学習している初心者です。
特徴量エンジニアリングのところの、様々なログインの履歴について、それらのデータはスクレイピング等でデータを収集するような形でしょうか。初歩的ですみません。
ご連絡遅くなり申し訳ございません。ログイン情報など顧客の行動データは自社のデータなのでスクレイピングではなく自社DBに蓄積して使えるデータです。
@@aiby8596 なるほど。かしこまりました。ありがとうございます。
いつも、動画見させていただいてます。
質問あのですが、XGBoostは標準化必要ないということでしたが、ランダムフォレストも標準化いらないですか？
わかりやすい動画ありがとうございます！
クラス分類のときにでてくる確率はその分類の確からしさを示していますか？それとも生起確率ですか？
わかりやすくてよかったです！
気になったんですがなんで補完しなくても問題ないのですか？
pee ps xgboostなどの決定木モデルでは欠損という特徴を使って損失誤差が少なくなるように分岐していきます。そのため欠損値補完をしなくても処理されます。
ただもちろんした上でモデルにインプットした方が精度が上がる可能性はあります。
mlexplained.com/2018/01/05/lightgbm-and-xgboost-explained/
プレゼンのソフトウェアって、どんなものを使用されてますか？
Vyondというアニメーションツールを使っています！
超薄っぺらい知識で恐縮ですが、XGBoostとLightGBMの違いをパッとみてBFSとDFSに似てる...?と思ったのですがその辺り関係してたりしますでしょうか？👀
まさにですね！
@@aiby8596
ご回答ありがとうございます！
気になったので自分で少し調べてみます👀