Studoši

PGM2 skripta druga stranica, zna netko kako ovo izračunati?

gad_gadski Za svaku od vrijednosti c, s i r (svaka je binarna varijabla, ukupno 8 mogucih kombinacija) racunas zajednicku vjerojatnost pomocu izraza P(c, s, r, w = 1) = P(c)P(s|c)P(r|c)P(w=1|s,r) pomocu vjerojatnosti iz tablica na slici di je prikazana Bayesova mreza s tim da uvijek vrijedi da je w=1 i dobivene izraze pozbrajas. Znaci za c=0, s=0, r=0 dobijes izraz P(c=0)P(s=0|c=0)P(r=0|c=0)P(w=1|s=0,r=0) = 0.5*0.5*0.8*0.0 i to zbrojis sa svim ostalim mogucim kobinacijama varijabli c, s i r.

matrica jel netko uspio

blast rjeseno je na recapu u srijedu negdje oko 1:15 na snimci

Zadatak za zadacu V19 s ispita 4. K-medoida PAM algoritam pls objašnjenje ovog drugog dijela algoritma di se odreduju medoidi ovo s predavanja mi fkt nije jasno kaj bi trebao racunat… skroz kontradiktorno je napisano…

kojoj formuli odgovara računanje P(x1=Istra | y=1)?

Jel zna tko objasnit ovo rješenje iz zadaće?


LL* je prosječna log-izglednost za taj model na kraju izvodenja EM-algoritma.

Ducky jesi skužio? Ne mogu shvatit LL2* >= LL3*

Kako oni uspiju dobiti 0.56? Nez sta krivo radim

gad_gadski Imaš slični zadatak objašnjen u predavanju na Teamsima od prošlog ponedjeljka, pokaže jednostavno kako se b računa

neko ovaj?

studoš mene isto zanima, snajder je na teamsu predavanjima pricao o tim zadatcima, kao da je to najlaksa verzija zadataka s randovim indeksom, al kako je on to jednostavno prebrojavo u svom primjeru na ovom nikako da dobijes dobro rjesenje

studoš snajder pojasnio zadatak na predavanju u srijedu ovu zadnju, imas na temsu

Može netko objasniti proces razmišljanja za ovaj zadatak? Jel se radi samo o napiši formulu za log izglednost i vidi kako utječe kad se smanji N zbog manjeg podskupa i da je varijanca u nazivniku pa kad je nepristrana procjena je veća varijanca pa će log izglednost izgl biti manja? I što mi ovih 0,1 za parametre znači?

Bananaking dobro bi nam to doslo. Ja sam raspisao formule i uvrstio sve, ali nisam bas nesto previse shvatio. Tako da mislim da mora bit neka glupa caka.

Jel bi mogao netko napisat postupak za ovaj zadatak?

AE Ne znam treba li nekako pametnije/kompliciranije ali ja sam tocno rjesenje dobio tako da sam sa stranice 13 skripte procjena parametara II uzeo formulu za MAP procjenitelj, izracunas prvo za 1. korak onda za 1.+2. korak (zbrojis M i n), oduzmes ovaj drugi izracun od prvog i voila. Vjerojatno bi trebao tu formulu izvest kao oni u skripti par koraka ranije ali eto, valjda pomaze

AE
Eo lepi

Zna li netko imaju li negdje riješeni zadatci s ispita koji se nalaze u vježbama za pojedinu lekciju?

Daho_Cro Nema, što je šteta jer bi se dalo napraviti od toga kuharicu za ispite i sigurno ima ljudi koji su ih sve riješili

jel ima ko snimljenja predavanja koja nisu izbrisana na teamsu?

Ducky Zar nisu sva predavanja dostupna kada odabereš General -> Files -> Recordings

F1 vrijednosti sam si cak uspio objasniti, ali ove lambda nemogu smisliti. Jel zna netko zasto je C tocno?

Može mi netko objasnit kako su došli do ovog broja parametara (17 odnosno 59)?