Studoši

Što mislite odgovaraju li ovi moodle kvizovi težini pitanja na MI?

Emma63194 ovo je u biti dobro pitanje, nadao sam se da cete ili uzet to as is, ili ce nekom neka matematicka intucija pomoc, al zaista nije u redu od mene da to ne objasnim.

Kratak odgovor: nelinearnost je u ortogonalnoj dimenziji pa se “ne broji”. Dugi odgovor slijedi u nekoliko skrinova ispod:

Ovo je sigmoida od linearne kombinacije:

Novi primjer:

Zadnji primjer:

TLDR linearna kombinacija znacajki daje linearnu granicu (nakon sto plohu presjecemo ravninom) cak i uz nelinearnu aktivaciju. Ako je kombinacija znacajki nelinearna, granica ce bit nelinearna.

Ako može neko pls objasnit koji je točan odgovor ovdje?

I ovaj također

Bono

Ja sam sebi nacrtao, u prvom slucaju je udaljenost od tocke 3,3 do 3,4 jednaka 1 pa je sirina margine 0.5, a u drugom slucaju vidis da je udaljenost tocke 3,4 od ovog pravca koji prolazi kroz dvije tocke jednak 3 korijena iz 2, sirina je pola toga, dakle sirina margine je 3 korijena iz 2 puta veca od ove prve, ne znam jel postoji bolji način, al eto.

Bono

Možda ovaj netko?

hackerman Ja sam tu tražio koji su primjeri potporni vektori tako da sam pomnožio w sa svakim primjerom iz X i onda ako kao izlaz dođe -1 ili 1 ili nešto jako blizu, ja sam za prvi i treći primjer dobio 0.99 i -0.99, onda su to potporni vektori što znači da je za ostale primjere alfa=0 i kako je ponuđeno samo jedno rješenje koje na 2. i 4. mjestu ima 0 onda je to to.

enaiks hackerman

Nemam pojma jel postupak dobar. Brojke nisu skroz točne, ali su za mene dovoljno blizu.

enaiks
Isto je gore kolega napisao
Bono
Dajte čitajte thread ljudi, nema razloga da se neka pitanja 3 puta ponavljaju

Jel zna netko zasto se w0 prije izracuna rezultata mora ovdje dobiti preko prvog zadanog primjera, a ne preko drugog (preko prvog sam dobia da je on -1283.56 pa onaj dio s alfama za novi primjer mi je -265.35 pa daje rjesenje ponudjeno, ali ako idem preko drugog dobit w0 ispadne -57.73, zasto nije isti ka preko prvog :/ )

Dima Uspio sam pronaci da postoji neka nestabilnost pa da se nece moc dobiti iz svakog nego iz jednog od njih pa izgleda da treba izracunat iz oba i vidit koje je ponudjeno rjesenje u zdk jer to je ono sta se trazi

Dima jel možeš stavit postupak? meni ispadne jako mala vrijednost w0 pa onda ni jedan od ponuđenih odgovora

MJ3

Tamo desno pise jos +w0 u prvoj slici u ove dvije donje jednajdbe kad se izracunava samo je ispalo iz slike

Dima hvala 😃

Dima Za ovaj primjer gdje je vrijednost -1 (na prvoj slici na kraju) mi ispada w0 = -59.73. Što radim krivo? Ne bi se smjelo dogoditi da w0 ima dvije različite vrijednosti, zar ne?

iz cega ucite za ovaj ispit? samo moodle blicevi, bez starih ispita (uz skriptu i video predavanja naravno)?

Da li bi netko znao objasniti zašto je u ovom zadatku d) točan?

Stark
Nije nitko odgovorio pa ponavljam, jel zna netko ovo objasniti?

Yeltneb Stark
ako skup podataka nije linearno odvojiv to znaci da kakav god pravac (pravac odluke modela perceptrona) provuces kroz te podatke, barem jedan primjer ce biti s krive strane pravca. Ti primjeri s krive strane pravca ce uzrokovati da je gradijent gubtka veci od 0 i zbog toga ce se pravac stalno micati kako bi pokusao uhvatiti te preostale primjere, odnosno model nece konvergirati.

jel moze netko ovaj objasnit?

Vrba Trebas sve modele kojima je C >= 1 (veci C daje slozeniji model) i \gamma <= 1 (manja preciznost isto daje slozeniji model). Takvih je 36, i onda oduzmes 1 jer C = 1 i \gamma = 1 su oni vec napisali, tako da je odgovor 35.

Vrba Veci gama daje slozeniji model jer je gama=1/2sigma², a sto je varijanca manja to je Gaussovo zvono uze pa bi primjeri trebali biti sto blize kako bi bili slicni, a to daje slozeniji model. C takoder s povecanjem daje vecu slozenost jer je c=1/lambda, a sto je lambda manji to je regularizacija manja pa imamo slozeniji model. U zadatku ima 6 C i 6 gama ukljucujuci i C=1 i gama=1, kombinacija je 6²=36 i oduzmemo ponuđenu za C=1 i gama=1 i to su preostali prenaučeni modeli.

am22 veca preciznost daje slozeniji model. iz skriptice:
Npr., ako odaberemo visoku vrijednost za γ, dobit ćemo složeniji model, pa će trebati pojačati regularizaciju odabirom manje vrijednosti za C.

Ovdje mi ispada 0.70, pa očito krivo radim. Može objašnjenje?

Stark
Formula za gubitak binarne logističke regresije je -y * ln(h(x)) - (1-y) * ln((1-h(x)).
Ako računaš da je npr. y = 1 i izjednačiš s 1.20, onda ti se drugi član poništava jer je pomnožen s (1 - y), što je 0. Uglavnom, imaš -ln(h(x)) = 1.20, tj. h(x) = exp(-1.20) i ponoviš izračun samo uz pretpostavku da je y = 0 (jer je oznaka promijenjena).
Dalje samo izračunaš - ln(1 - h(x)) = -ln(1 - exp(-1.20)) = 0.36.

molim nekog za objasnjenje, na koji nacin razmisljati redom

dammitimmad Je li netko zna ovaj? Meni se cini da je a, al nisam garant..

dammitimmad

enaiks

odg je c

https://docs.google.com/document/d/1pCK4LPwiY9AZON6lZWK7vFXNB6UogtXnDSOYEmg1w0U/edit

Moze li netko objasniti ovaj? Prvo sam dobio 33.935, ovo sam pogodio

Ziher ne regulariziras w0, tako da racunas |w| bez w0

Ziher

Gannicus ima neko mozda postupak za ovaj?