⚙️0️⃣ Го думать, итак, первое это система рекомендаций в соцсетях.
🔗 Вспомним, что об этом как раз говорилось в разделе про неконтролируемое обучение. Данные здесь не размечены (меток у них нет для поиска друзей по каким-то критериям). Здесь, скорее, будут применены алгоритмы кластеризации, (да-да, мы их тоже рассматривали) — наша модель будет искать группы схожих пользователей, может, по интересами. а может, по общих друзьям (кароч хз, на вопрос мы ответили и это главное).
1️⃣ "Система на новостном сайте, которая разделяет новости на темы" — итаак, в целом, если так подумать, мы также можем воспользоваться алгоритмами неконтролируемого обучения. Данные могут быть неразмеченными, поскольку алгоритмы кластеризации будут группировать новости на основании текста или заголовков по темам.
2️⃣ Функция автоматического завершения предложений в Google. Так, ну здесь и не пахнет неконтролируемое обучением. Вопрос стоит в завершении предложений, значит, у нас должна быть какая то ниеб❌чески огромная база данных с текстами, где каждое следующее слово будет рассматриваться как метка.
3️⃣ 'Система рекомендаций в интернет-магазине, которая формирует рекомендации, основываясь на истории покупок' — здесь история подобная, как и с соцсетями, система использует историю покупок других пользователей (вполне возможно) и на основе этих покупок выдает рекомендации. Типо, одни пользователи купили 3 товара для какой то нужды, другие 4, и этот 4 товар модель будет толкать как торгаш другим пользователям.
4️⃣ "Система в компании, выпускающей кредитные карты, которая фиксирует мошеннические транзакции" — здесь явно используются алгоритмы контролируемого обучения, данные будут размеченные.
🔗 Транзакции могут быть помечены как мошеннические или нормальные (пользовательские, хз кароч). Модель обучается и дальше будет предсказывать, какая транзакция мошенническая, а какая нормальная.
⚙️ К примеру, если ваш кент попросит снять лям за 500 рублей, банк вероятнее всего, пометит вашу транзакцию как мошенническую и будет беда.
🔗 Вспомним, что об этом как раз говорилось в разделе про неконтролируемое обучение. Данные здесь не размечены (меток у них нет для поиска друзей по каким-то критериям). Здесь, скорее, будут применены алгоритмы кластеризации, (да-да, мы их тоже рассматривали) — наша модель будет искать группы схожих пользователей, может, по интересами. а может, по общих друзьям (кароч хз, на вопрос мы ответили и это главное).
1️⃣ "Система на новостном сайте, которая разделяет новости на темы" — итаак, в целом, если так подумать, мы также можем воспользоваться алгоритмами неконтролируемого обучения. Данные могут быть неразмеченными, поскольку алгоритмы кластеризации будут группировать новости на основании текста или заголовков по темам.
2️⃣ Функция автоматического завершения предложений в Google. Так, ну здесь и не пахнет неконтролируемое обучением. Вопрос стоит в завершении предложений, значит, у нас должна быть какая то ниеб❌чески огромная база данных с текстами, где каждое следующее слово будет рассматриваться как метка.
3️⃣ 'Система рекомендаций в интернет-магазине, которая формирует рекомендации, основываясь на истории покупок' — здесь история подобная, как и с соцсетями, система использует историю покупок других пользователей (вполне возможно) и на основе этих покупок выдает рекомендации. Типо, одни пользователи купили 3 товара для какой то нужды, другие 4, и этот 4 товар модель будет толкать как торгаш другим пользователям.
4️⃣ "Система в компании, выпускающей кредитные карты, которая фиксирует мошеннические транзакции" — здесь явно используются алгоритмы контролируемого обучения, данные будут размеченные.
🔗 Транзакции могут быть помечены как мошеннические или нормальные (пользовательские, хз кароч). Модель обучается и дальше будет предсказывать, какая транзакция мошенническая, а какая нормальная.
⚙️ К примеру, если ваш кент попросит снять лям за 500 рублей, банк вероятнее всего, пометит вашу транзакцию как мошенническую и будет беда.
Telegram
CodeLab
Итааак, неконтролируемое обучение, че это ⁉️
Если в контролируемом обучении модель работает с размеченными данными. то, логично, что в неконтролируемом обучении — с неразмеченными.
⭕️ Мы также подаем данные, различие лишь в том, что у этих данных нет никаких…
Если в контролируемом обучении модель работает с размеченными данными. то, логично, что в неконтролируемом обучении — с неразмеченными.
⭕️ Мы также подаем данные, различие лишь в том, что у этих данных нет никаких…
❤3❤🔥1👍1🥰1
🔗 Гайс, доброе утро всем! Ща разберем такое интересное задание: Знакочередующаяся сумма (7.3)
0️⃣ Для начала, конечно же пишем переменную для ввода и счетчик:
1️⃣ Затем, цикл for:
2️⃣‼️ Важный момент, заметим, что в нашей закономерности нечетные числа прибавляются, а четные отнимаются, так и запишем:
3️⃣ Ну и функция вывода:
🔗 Сам код:
🔗 Кароч, давайте на примере:
🟰 Подаем на вход 4 → на первой итерации равна i = 1, total = 0, поскольку i не делится на 2 нацело, total + 1 → total = 1.
🟰 Вторая итерация → i = 2, делится нацело → total -= i → total = -1.
🟰 Третья итерация → i = 3, не делится нацело → total += i → total = 2.
🟰 Четвертая итерация → i = 4, делится нацело → total -= i → total = -2.
0️⃣ Для начала, конечно же пишем переменную для ввода и счетчик:
n = int(input())
total = 0
1️⃣ Затем, цикл for:
for i in range(1, n + 1):
2️⃣‼️ Важный момент, заметим, что в нашей закономерности нечетные числа прибавляются, а четные отнимаются, так и запишем:
if i % 2 == 0: #Условие четности
total -= i
else:
total += i
3️⃣ Ну и функция вывода:
print(total)
🔗 Сам код:
n = int(input())
total = 0
for i in range(1, n + 1):
if i % 2 == 0:
total -= i
else:
total += i
print(total)
🔗 Кароч, давайте на примере:
🟰 Подаем на вход 4 → на первой итерации равна i = 1, total = 0, поскольку i не делится на 2 нацело, total + 1 → total = 1.
🟰 Вторая итерация → i = 2, делится нацело → total -= i → total = -1.
🟰 Третья итерация → i = 3, не делится нацело → total += i → total = 2.
🟰 Четвертая итерация → i = 4, делится нацело → total -= i → total = -2.
❤🔥2❤1🥰1
🔗 Задача слишком интересная, поэтому разберем решения других знатоков, Знакочередующаяся сумма (7.3) — Решение 2
🧑💻 Первые шаги аналогичные:
🔗 Теперь нам нужная главная строка для нашей закономерности. Как это вообще работает⁉️
🔗 Кароч, допустим, подаем мы нечетные числа (1,3,5) → -1 ** (i + 1) * i == 1 → i добавляется к переменной f.
🔗 Теперь подадим четные числа (2, 4, 6) → -1 ** (i + 1) * i → -1
⚙️ И выводим функцию print:
🕐 Допустим, подали мы на вход 5 (Разберем по итерациям):
1️⃣ i = 1 → -1 ** 2 = 1 → total = 0 + 1 * 1 → total = 1
2️⃣ i = 2 → -1 ** 3 = -1 → total = 1 - 1 * 2 → total = -1
3️⃣ i = 3 → -1 ** 4 = 1 → total = - 1 + 1 * 3 → total = 2
4️⃣ i = 4 → -1 ** 5 = -1 → total = 2 - 1 * 4 → total = -2
5️⃣ i = 5 → -1 ** 6 = 1 → total = - 2 + 1 * 5 → total = 3
🔗 Сам код:
🧑💻 Первые шаги аналогичные:
n = int(input())
f = 0
for i in range(1, n + 1):
🔗 Теперь нам нужная главная строка для нашей закономерности. Как это вообще работает⁉️
🔗 Кароч, допустим, подаем мы нечетные числа (1,3,5) → -1 ** (i + 1) * i == 1 → i добавляется к переменной f.
🔗 Теперь подадим четные числа (2, 4, 6) → -1 ** (i + 1) * i → -1
f += (-1) ** (i + 1) * i
⚙️ И выводим функцию print:
print(f)
🕐 Допустим, подали мы на вход 5 (Разберем по итерациям):
1️⃣ i = 1 → -1 ** 2 = 1 → total = 0 + 1 * 1 → total = 1
2️⃣ i = 2 → -1 ** 3 = -1 → total = 1 - 1 * 2 → total = -1
3️⃣ i = 3 → -1 ** 4 = 1 → total = - 1 + 1 * 3 → total = 2
4️⃣ i = 4 → -1 ** 5 = -1 → total = 2 - 1 * 4 → total = -2
5️⃣ i = 5 → -1 ** 6 = 1 → total = - 2 + 1 * 5 → total = 3
🔗 Сам код:
n = int(input())
f = 0
for i in range(1, n + 1):
f += (-1) ** (i + 1) * i
print(f)
❤🔥3
Знакочередующаяся сумма (7.3) — Решение 3
Итак, че тут происходит ⁉️
⭕️ Мы вводим 5, на 2 нацело не делится → выводим 3
⭕️ Вводим 4, делится на 2 нацело, выводится -2
n = int(input())
if (n % 2 == 0):
print(-n // 2)
else:
print(n // 2 + 1)
Итак, че тут происходит ⁉️
⭕️ Мы вводим 5, на 2 нацело не делится → выводим 3
⭕️ Вводим 4, делится на 2 нацело, выводится -2
❤🔥3
Буду очень признателен, если вы посоветуете этот канал вашим друзьям, пересылайте, показывайте, нам нужен народ ❤️
❤🔥3
Гайс, прекрасно понимаю, что посты выходят редко на этих дня, но, стараюсь как могу ❤️
Задание Наибольшие числа 🌶🌶
🧑💻 Итак, мы вводим число n, а затем n различных чисел вводим после. Типо ввели мы 5, а нам нужно еще 5 чисел разных ввести и вывести большее и второе большее, го делать что-ли...
Итак, теперь основные условия:
🧑💻 И выводим результаты:
Задание Наибольшие числа 🌶🌶
🧑💻 Итак, мы вводим число n, а затем n различных чисел вводим после. Типо ввели мы 5, а нам нужно еще 5 чисел разных ввести и вывести большее и второе большее, го делать что-ли...
n = int(input())
max_num_1 = 0 #Счетчик для максимального первого
max_num_2 = 1 #Для второго максимального
for i in range (1, n+1):
num = int(input()) # На каждой итерации вводим число
Итак, теперь основные условия:
if num > max1: #Если введённое число больше текущего наибольшего числа:
max2 = max1 #Предыдущее наибольшее число становится вторым по величине
max1 = num #Текущее число становится новым наибольшим числом.
elif num > max2: #Если текущее число больше второго по величине числа max2, но меньше первого максимального max1
max2 = num #Текущее число становится новым вторым по величине.
🧑💻 И выводим результаты:
print(max1)
print(max2)
❤4
🔗 Понимаю, что быстро и, возможно, не так понятно, вечером постараюсь еще пару решений выложить и это до разобрать
❤5
Задание Наибольшие числа 🌶🌶, разберем еще одно решение:
0️⃣:
Итак, теперь цикл, но давайте сразу с примером:
Вот подаем мы число 5, p = l = 0 (Эт логично) → дальше цикл for:
1️⃣ Почитали вот это все непонятное содержимое и разбираемся:
🔗 Вводим 5 чисел на каждой итерации, на первой итерации пусть будет 5;
🔗 num — это текущее, если оно больше l (Переменная для наибольшего числа), то p = l; В нашем случае, 5 > 0 → l = 5
2️⃣ Теперь вторая итерация: вводим 3 → Оно меньше l (которое у нас теперь 5), но больше p (оно у нас равно 0) → выполняется второе условие → p = 3
3️⃣ Третья итерация → подаем 10 → num > l (10 > 5) → следовательyj, выполняется первое условие, p = l (l было равно 5, значит и p = 5) → l = num (l = 10)
4️⃣ Четвертая итерация → подаем num = 7 → выполняется второе условие (мы его рассматривали на шаге 2️⃣ →
⭕️ 5 < num (7) < 10) → условие выполняется → p = 7
5️⃣ Пятая итерация → Подаем num = 8 → Снова выполняется второе условие → 7 < num (8) < 10) → p = num → p = 8
6️⃣ Выводим максимальное число и второе по величине:
🔗 Код:
В целом, весь 7 модуль очень непростой для понимания, где нужно рассматривать чуть-ли не каждую итерацию, так что читайте мою писанину и параллельно смотрите на код, размышляйте над каждым действием, я пошел отдыхать всем пака 👋
0️⃣:
n = int(input())
l = 0 # Переменная для наибольшего числа
p = 0 # Переменная для 2 числа по велечине
Итак, теперь цикл, но давайте сразу с примером:
Вот подаем мы число 5, p = l = 0 (Эт логично) → дальше цикл for:
for i in range(n):
num = int(input())
if num>l:
p = l
l = num
if p<num<l:
p = num
1️⃣ Почитали вот это все непонятное содержимое и разбираемся:
🔗 Вводим 5 чисел на каждой итерации, на первой итерации пусть будет 5;
🔗 num — это текущее, если оно больше l (Переменная для наибольшего числа), то p = l; В нашем случае, 5 > 0 → l = 5
2️⃣ Теперь вторая итерация: вводим 3 → Оно меньше l (которое у нас теперь 5), но больше p (оно у нас равно 0) → выполняется второе условие → p = 3
if p<num<l:
p = num
3️⃣ Третья итерация → подаем 10 → num > l (10 > 5) → следовательyj, выполняется первое условие, p = l (l было равно 5, значит и p = 5) → l = num (l = 10)
4️⃣ Четвертая итерация → подаем num = 7 → выполняется второе условие (мы его рассматривали на шаге 2️⃣ →
⭕️ 5 < num (7) < 10) → условие выполняется → p = 7
5️⃣ Пятая итерация → Подаем num = 8 → Снова выполняется второе условие → 7 < num (8) < 10) → p = num → p = 8
6️⃣ Выводим максимальное число и второе по величине:
print(l)
print(p)
🔗 Код:
n = int(input())
l = 0
p = 0
for i in range(n):
num = int(input())
if num>l:
p = l
l = num
if p<num<l:
p = num
print(l)
print(p)
В целом, весь 7 модуль очень непростой для понимания, где нужно рассматривать чуть-ли не каждую итерацию, так что читайте мою писанину и параллельно смотрите на код, размышляйте над каждым действием, я пошел отдыхать всем пака 👋
❤4❤🔥1🤯1👨💻1👀1
Ну че вы, надеюсь соскучились, а не просто сидели и думали, когда я канал удалю наконец 😋. Неделя выдалась не самая простая, надеюсь у вас все гуд, ща будем разбирать машинку 🧑💻
🟰"Линейная регрессия — эффективный и широко применяемый метод оценки значений, таких как цена дома, стоимость определенных акций, ожидаемая продолжительность жизни отдельного человека или количество времени, которое пользователь проведет за просмотром видео или на веб-сайте."🟰
🟰"Линейная регрессия — эффективный и широко применяемый метод оценки значений, таких как цена дома, стоимость определенных акций, ожидаемая продолжительность жизни отдельного человека или количество времени, которое пользователь проведет за просмотром видео или на веб-сайте."🟰
🥰5
🔗 Начнем сразу с примера:
🔗 Абсолютно каждому подписчику этого великого канала будет ясно, что вместо вопросиков будет число 4500. Отсюда можем вывести формулу нахождения каждого последующего значения:
⚙️ Продажи = 5 × Реклама + 1500
Отлично, теперь разберемся с некоторыми понятиями, нам необходимо их знать для понимания, че ваще происходит.
🟰"Создание модели линейной регрессии относится к задачам обучения с учителем, цель которых — предсказать значение непрерывной зависимой переменной (Y) на основе набора признаков (X)"🟰
🔗 Y — это предсказанное значение, ЗАВИСИМАЯ ПЕРЕМЕННАЯ (Продажи, в нашем случае).
🔗 X — это НЕЗАВИСИМАЯ ПЕРМЕННАЯ (У нас это реклама)
🔗 Также, существует угол наклона a — он показывает как быстро изменяется зависимая переменная (у нас это Y).
⭕️ За угол наклона в формуле отвечает 5 — этот самый угол наклона говорит нам, что при увеличении затрат на рекламу на 1 доллар, продажи Y увеличиваются на 5 долларов.
Сдвиг b — это то значение
Y, которое мы получаем, когда
X=0.
🔗 Абсолютно каждому подписчику этого великого канала будет ясно, что вместо вопросиков будет число 4500. Отсюда можем вывести формулу нахождения каждого последующего значения:
⚙️ Продажи = 5 × Реклама + 1500
Отлично, теперь разберемся с некоторыми понятиями, нам необходимо их знать для понимания, че ваще происходит.
🟰"Создание модели линейной регрессии относится к задачам обучения с учителем, цель которых — предсказать значение непрерывной зависимой переменной (Y) на основе набора признаков (X)"🟰
🔗 Y — это предсказанное значение, ЗАВИСИМАЯ ПЕРЕМЕННАЯ (Продажи, в нашем случае).
🔗 X — это НЕЗАВИСИМАЯ ПЕРМЕННАЯ (У нас это реклама)
🔗 Также, существует угол наклона a — он показывает как быстро изменяется зависимая переменная (у нас это Y).
⭕️ За угол наклона в формуле отвечает 5 — этот самый угол наклона говорит нам, что при увеличении затрат на рекламу на 1 доллар, продажи Y увеличиваются на 5 долларов.
Сдвиг b — это то значение
Y, которое мы получаем, когда
X=0.
👍2🥰1👨💻1
⚙️ Итак, здарова работяги, ща рассмотрим пример из книги:
👨💻Сам пример посложнее, мы можем близко предсказать, но вот с точностью могут быть проблемы.
🔗 Таблица показывает данные о домах с разным количеством комнат и их ценах.
⭕️ Цена дома напрямую зависит от количества комнат. А наша задача предсказать цену 4 дома.
⭕️ Еще момент, для оценки стоимости используем следующую формулу:
🟰цена=100+50×количество комнат+небольшое расхождение
Теперь вспомним заодно наши прошлые определения:
⭕️ Сдвиг — у нас это 100, это сдвиг по оси Y (Это кароч означает, что минимальная цена на хату 'без комнат' составила бы 100 долларов), когда X = 0
⭕️ Угол наклона — у нас это 50 (а это значит, что с увеличением количества комнат, цена дома увеличивается на 50 долларов.
👨💻Сам пример посложнее, мы можем близко предсказать, но вот с точностью могут быть проблемы.
🔗 Таблица показывает данные о домах с разным количеством комнат и их ценах.
⭕️ Цена дома напрямую зависит от количества комнат. А наша задача предсказать цену 4 дома.
⭕️ Еще момент, для оценки стоимости используем следующую формулу:
🟰цена=100+50×количество комнат+небольшое расхождение
Теперь вспомним заодно наши прошлые определения:
⭕️ Сдвиг — у нас это 100, это сдвиг по оси Y (Это кароч означает, что минимальная цена на хату 'без комнат' составила бы 100 долларов), когда X = 0
⭕️ Угол наклона — у нас это 50 (а это значит, что с увеличением количества комнат, цена дома увеличивается на 50 долларов.
3🥰3❤1❤🔥1
🔗 Наклон в нашем случае это показатель того, насколько круто поднимается прямая. Как я уже сказал, наклон у нас равен 50 (каждая новая комната увеличивает цену дома на 50$)
🔗 Сдвиг — это значение, при котором прямая пересекает ось Y (при отсутствии комнат цена дома составляет 100 долларов, тип базовая цена)
🔗 Y — это цена дома.
🔗 X — это количество комнат,
🔗 Сдвиг — это значение, при котором прямая пересекает ось Y (при отсутствии комнат цена дома составляет 100 долларов, тип базовая цена)
🔗 Y — это цена дома.
🔗 X — это количество комнат,
❤🔥3🥰1🤯1
👍2❤1👨💻1👀1