Regularization - Explained!
We will explain Ridge, Lasso and a Bayesian interpretation of both.
ABOUT ME
⭕ Subscribe: https://www.youtube.com/c/CodeEmporium?sub_confirmation=1
? Medium Blog: https://medium.com/@dataemporium
? Github: https://github.com/ajhalthor
? LinkedIn: https://www.linkedin.com/in/ajay-halthor-477974bb/
RESOURCES
[1] Graphing calculator to plot nice charts: https://www.desmos.com
[2] Refer section 6.2 on "Shrinkage Methods" for mathematical details: https://hastie.su.domains/ISLR2/ISLRv2_website.pdf
[3] Karush–Kuhn–Tucker conditions for constrained optimization with inequality constraints: https://en.wikipedia.org/wiki/Karush–Kuhn–Tucker_conditions
[4] stat exchange discussions on [3]: https://stats.stackexchange.com/questions/90648/kkt-versus-unconstrained-formulation-of-lasso-regression
[5] Proof of ridge regression: https://stats.stackexchange.com/questions/348494/the-proof-of-equivalent-formulas-of-ridge-regression
[6] Laplace distribution (or double exponential distribution) used for lasso prior: https://en.wikipedia.org/wiki/Laplace_distribution
[7] @ritvikmath 's amazing video for the bayesian interpretation of lasso and ridge regression: https://www.youtube.com/watch?v=Z6HGJMUakmc
[8] Distinction between Maximum "Likelihood" Estimations and Maximum "A Posteriori" Estimations: https://agustinus.kristia.de/techblog/2017/01/01/mle-vs-map/
MATH COURSES (7 day free trial)
? Mathematics for Machine Learning: https://imp.i384100.net/MathML
? Calculus: https://imp.i384100.net/Calculus
? Statistics for Data Science: https://imp.i384100.net/AdvancedStatistics
? Bayesian Statistics: https://imp.i384100.net/BayesianStatistics
? Linear Algebra: https://imp.i384100.net/LinearAlgebra
? Probability: https://imp.i384100.net/Probability
OTHER RELATED COURSES (7 day free trial)
? ⭐ Deep Learning Specialization: https://imp.i384100.net/Deep-Learning
? Python for Everybody: https://imp.i384100.net/python
? MLOps Course: https://imp.i384100.net/MLOps
? Natural Language Processing (NLP): https://imp.i384100.net/NLP
? Machine Learning in Production: https://imp.i384100.net/MLProduction
? Data Science Specialization: https://imp.i384100.net/DataScience
? Tensorflow: https://imp.i384100.net/Tensorflow
Что делает видео по-настоящему запоминающимся? Наверное, та самая атмосфера, которая заставляет забыть о времени. Когда вы заходите на RUVIDEO, чтобы посмотреть онлайн «Regularization - Explained!», вы рассчитываете на нечто большее, чем просто загрузку плеера. И мы это понимаем. Контент такого уровня заслуживает того, чтобы его смотрели в HD 1080, без дрожания картинки и бесконечного буферизации.
Честно говоря, Rutube сегодня — это кладезь уникальных находок, которые часто теряются в общем шуме. Мы же вытаскиваем на поверхность самое интересное. Будь то динамичный экшн, глубокий разбор темы от любимого автора или просто уютное видео для настроения — всё это доступно здесь бесплатно и без лишних формальностей. Никаких «заполните анкету, чтобы продолжить». Только вы, ваш экран и качественный поток.
Если вас зацепило это видео, не забудьте взглянуть на похожие материалы в блоке справа. Мы откалибровали наши алгоритмы так, чтобы они подбирали контент не просто «по тегам», а по настроению и смыслу. Ведь в конечном итоге, онлайн-кинотеатр — это не склад файлов, а место, где каждый вечер можно найти свою историю. Приятного вам отдыха на RUVIDEO!
Видео взято из открытых источников Rutube. Если вы правообладатель, обратитесь к первоисточнику.