cviceni: kartičky | uvod-do-strojoveho-uceni

poznámky

lineární regrese

co máme

data $(x,y)\in\mathbb R^2$
model $f(x)=y,\;f:\mathbb R\to \mathbb R$ $f (x) = y, f : R \to R$
- při lineární regresi konkrétně $y=ax+b$
parametry $\theta=(a,b)\in\mathbb R^2$
predikce $f_\theta(x)=y,\;f:\mathbb R^3\to \mathbb R$
loss $L(\theta,(x,y)),\;L:\mathbb R^4\to \mathbb R$

$f(x)_i=\frac{|x_i|}{\sum|x|}$

prohodilo by se pořadí (jelikož záporná čísla by se zobrazila mezi kladná čísla)

$f_2(x)_i=\frac{x_i-\min(x)}{\sum|x-\min(x)|}$

u minima by to byla nula, což by nám znemožnilo např. u dvojprvkového vektoru vyjádřit nejistotu

poissonovská regrese – viz slidy z roku 2022/2023

lze použít k řešení soutěžní úlohy

time splines

nástroje k soutěžím

další nástroje

analýza výkonu

diakritizace

dva přístupy
- marks – je to s diakritikou nebo bez?
- letters – přímo písmeno
  - model může pro "o" vrátit "ú"
- obecně jsou letters lepší
jako one-hot
kontext (n písmen na každou stranu)
pořadí písmen je vždycky stejné → nemá smysl ho kódovat nějak jinak (u hlubokého učení by to smysl dávalo)
n-gramy
- příklad
  - slovo kocka
  - pro písmenko c:
    - bigramy: oc, ck
    - trigramy: koc, ock, cka
- zase se kódujou one-hot