Studoši

Ovo je iz jednog prijašnjeg odgovora, mislim da je to odgovor na naše pitanje:
"Drugi zadatak:
Nadam se da si rjesavao drugi labos koji se ticao logisticke regresije, gdje si uzeo wTx i omotao to oko sigmoide. E sad, sigmoida je poprilicno nelinearna, ali granica koju si (trebao) dobiti je linearna. Zasto je tome tako? Zato jer su ti podaci unutar sigmoide linearni. Dakle, ako ti je funkcija PHI linearna, dobit ces linearnu granicu. Ako je nelinerna, i granica ce bit (perhaps surprisingly) nelinearna. Also, ako ti je PHI nelinearna, a aktivacija f linearna, ponovo granica nije linearna. Podaci su kljuc!"
Zaključak: nelinearna aktivacijska funkcija(sigmoida) i nelinearni PHI daju nelinearnu granicu i zbog toga LR ne može konvergirati?

Bananaking

Peta bilješka na kraju skripte Osnovni koncepti:
"Razlicite hipoteze imat ce razlicite vektore parametara θ. Medutim, razliciti vektori parametara θ ne
moraju nuzno davati razlicite hipoteze. Na primjer, ako je ulazni prostor diskretan (npr. X = N
n), onda mozemo imati pravce koji su malo razliciti (dakle parametri θ im se razlikuju), ali ipak daju
identicnu klasifikaciju primjera u dvije klase, tj. funkcija h je identicna (kako je uobicajeno, jednakost
funkcije ovdje definiramo ekstenzionalno: dvije funkcije su jednake ako jednako preslikavaju elemente
iz domene u kodomenu. To znaci da razliciti θ mogu dati identicne funkcije"

Dimenzija prostora parameta je 4, ulazni prostor je diskretan (ima 8 različitih ulaza) i bitno je samo jel h(x) veći ili manji od 0(sve hipoteze koje za tih 8 ulaznih primjera daju iste klasifikacije su zapravo jedna hipoteza)
U principu je pitanje na koliko načina možeš klasificirati tih 8 ulaza u dvije klase i to možeš napraviti na 2⁸ načina (256)
od klasifikacije 0,0,0,0,0,0,0,0 do klasifikacije 1,1,1,1,1,1,1,1 i sve između.
Ja sam si ovako protumačio zadatak, ne znam jel točno moje razmisljanje.

SimpleRick

Bananaking

ja radim za jesen, ako ste za imam neki online dokument pa mozemo tamo komentirat i radit

SimpleRick

Bananaking
Pitao sam ovdje sličan primjer ali moram priznati da mi nije jasno kako rješavati općeniti slučaj ovakvog zadatka. Evo primjer iz ovogodišnjeg međuispita. Pokušao sam razmišljati “na koliko načina možemo klasificirati ulazne primjere”, kako je X = {0,1}³ njih ima 2³ = 8, mislio sam možda za prvu zagradu x1 može biti manji od fi 1,1, između ili veći, isto za drugu i treću zagradu pa nešto tipa 3C1 + 3C1 + 3C1 = 9 + ?

Ζ ε ύ ς Može naravno, ne znam koliko ću biti od koristi ali 3 glave bolje od jedne

Bananaking https://docs.google.com/document/d/1D-WwT4eT4aakrNXwPqBoB6vshss4pHdXspTbfrpZqLM/edit

Ζ ε ύ ς jel bilo šta od ovoga na kraju? još uvijek mi je access denied

Planiram rjesavat moodle i ispite i onda probat zadace

Bananaking Sorry, ne sjecam se vise kako su se rjesavali takvi zadatci. Your guess is as good as mine :/

Bananaking kombinacije parova i trojki gledas ovako n!/((n-2)!x2! I za trojke n!/((n-3)!x3!

Bananaking pokusavao sam ga rijesit ali uvijek dobijem tipa 71 ili tako nesto blizu… ugl kak sam radio makno sam 2 znacajke za stednju i za preostala dugovanja. Dobio sam 5 + 5 + 1 ona klasika i 60 u kombinacijama ovakvim… sad ako ti to ista pomaze da skuzis nkj jebeno bi bilo da mi objasnis haha

zna itko kako se rješavaju 3. i 9. zadatak iz MI-a?

Jel mi moze netko pomoc oko 1., 4., 11. Zadatka iz zira? 11. Sam rjesavao kao i ostale tog tipa ali nikako ne mogu dobit dobre vrijednosti

Jel rješio neko 5. iz zadataka za učenje?

l123
ove zadatke za učenje su starije kolege riješile
https://fer.studosi.net/d/2200-struce-o-predmetu/3

jedino što se tiče njihovog 5a sam napisao
Pogreška hipoteze je očekivanje funkcije gubitka nad distribucijom primjera \mathbf{x} iz prostora primjera \mathcal{X} (dakle ne samo iz skupa primjera \mathcal{D} koji je statistički gledano samo uzorak iz distribucije). U praksi je problem što ta distribucija najčešće nije poznata.

lincthesinc17
Koji točno te zanima? One sve za vježbu imaš na onom google docu.

može neko stavit postupke kak je rješio?

tomekbeli420 sta se tice google doca, slobodno pisite u njega svoja rjesenja i pitanja, to je dobro mozda pomognete kasnije nekom ko bide imo ista pitanja

tomekbeli420 na kojem google docu

Sto znaci ova tocka pokraj X

brr ne znam je li netko već odgovorio.. ali je na predavanju točka pročitana kao izraz “za koju vrijedi” konkretnije “x iz X za kojeg vrijedi…”
nadam se da nisam u krivu 🙂

Koja je razlika između A) i B)? Znači li to da za neke parametre theta ne postoje funkcije h?

Bananaking Mislim da je stvar u tome da je moguće za različite vrijednosti parametara ponekad dobiti iste hipoteze. Npr ako imaš model h(\textbf x; \boldsymbol \theta) = |\boldsymbol\theta^\top\textbf x|, dobivaš istu hipotezu za \boldsymbol\theta i \boldsymbol-\boldsymbol\theta. S druge strane, kad imaš različite hipoteze onda sigurno imaš različite parametre jer s istim parametrima moraš dobit istu hipotezu.