- Поисковые системы
- Практика оптимизации
- Трафик для сайтов
- Монетизация сайтов
- Сайтостроение
- Социальный Маркетинг
- Общение профессионалов
- Биржа и продажа
- Финансовые объявления
- Работа на постоянной основе
- Сайты - покупка, продажа
- Соцсети: страницы, группы, приложения
- Сайты без доменов
- Трафик, тизерная и баннерная реклама
- Продажа, оценка, регистрация доменов
- Ссылки - обмен, покупка, продажа
- Программы и скрипты
- Размещение статей
- Инфопродукты
- Прочие цифровые товары
- Работа и услуги для вебмастера
- Оптимизация, продвижение и аудит
- Ведение рекламных кампаний
- Услуги в области SMM
- Программирование
- Администрирование серверов и сайтов
- Прокси, ВПН, анонимайзеры, IP
- Платное обучение, вебинары
- Регистрация в каталогах
- Копирайтинг, переводы
- Дизайн
- Usability: консультации и аудит
- Изготовление сайтов
- Наполнение сайтов
- Прочие услуги
- Не про работу
В 2023 году Одноклассники пресекли более 9 млн подозрительных входов в учетные записи
И выявили более 7 млн подозрительных пользователей
Оксана Мамчуева
Мало, если есть более прогрессивные методы.
А это и есть самые прогрессивные методы. В IR сейчас рулит boosting, однако. Хотя, на горизонте вроде как маячит стохастический градиентный спуск
А это и есть самые прогрессивные методы. В IR сейчас рулит boosting, однако.
Нет, ИНС более прогрессивен, т.к. позволяет гораздо эффективнее отсеивать "шум", бустинг этого не позволяет, это его недостаток.
источник алгоритм AdaBoost
* Хорошая обобщающая способность. В реальных задачах (не всегда, но часто) удаётся строить композиции, превосходящие по качеству базовые алгоритмы. Обобщающая способность может улучшаться (в некоторых задачах) по мере увеличения числа базовых алгоритмов.
* Простота реализации.
* Собственные накладные расходы бустинга невелики. Время построения композиции практически полностью определяется временем обучения базовых алгоритмов.
* Возможность идентифицировать объекты, являющиеся шумовыми выбросами.
Недостатки
* AdaBoost склонен к переобучению при наличии значительного уровня шума в данных. Экспоненциальная функция потерь слишком сильно увеличивает веса наиболее трудных объектов, на которых ошибаются многие базовые алгоритмы. Однако именно эти объекты чаще всего оказываются шумовыми выбросами. В результате AdaBoost начинает настраиваться на шум, что ведёт к переобучению. Проблема решается путём удаления выбросов или применения менее агрессивных функций потерь.
* AdaBoost требует достаточно длинных обучающих выборок. Другие методы линейной коррекции, в частности, бэггинг, способны строить алгоритмы сопоставимого качества по меньшим выборкам данных.
* Жадная стратегия последовательного добавления приводит к построению неоптимального набора базовых алгоритмов. Для улучшения композиции можно периодически возвращаться к ранее построенным алгоритмам и обучать их заново. Для улучшения коэффициентов можно оптимизировать их ещё раз по окончании процесса бустинга с помощью какого-нибудь стандартного метода построения линейной разделяющей поверхности. Рекомендуется использовать для этой цели SVM (машины опорных векторов).
* Бустинг может приводить к построению громоздких композиций, состоящих из сотен алгоритмов. Такие композиции исключают возможность содержательной интерпретации, требуют больших объёмов памяти для хранения базовых алгоритмов и существенных затрат времени на вычисление классификаций.
Красным выделено мной.
Плюс ручное (СУБЪЕКТИВНОЕ) управление алгоритмом. Мое мнение.
По признанию Садовского, естественных ссылок меньше чем покупных (читай "шума"), этот алгоритм ВСЕГДА будет в этой его части анализа данных ориентирован на "шум".
Zlyden добавил 03.05.2010 в 13:51
стохастический градиентный спуск
Это метод для обучения внутри алгоритма, а не алгоритм, в ИНС также используется.
Zlyden, Вы хотя бы ссылки на источник цитат приводили... А по нейронным сетям красным выделить нечего? Сплошной позитив? :) Если, к примеру, у них нет вот этого достоинства:
Простота реализации
, то заниматься ими можно только теоретически :)
Zlyden, Вы хотя бы ссылки на источник цитат приводили... А по нейронным сетям красным выделить нечего? Сплошной позитив? :) Если, к примеру, у них нет вот этого достоинства:
, то заниматься ими можно только теоретически :)
Источник цитаты вставил, это нужно, видимо, для тех кто пользуется Яндексом 🚬, а для остальных и поГУГЛИТЬ можно:).
Простые пути не всегда самые лучшие, к сожалению не могу оценить что сложнее, помучиться с созданием системы и потом изредка корректировать, или быстро слепить и потом непрерывно подкручивать "болты и гайки", хотя яркий и понятный пример из жизни привести можно, вот возьмем "жигули" и ..... В общем всем все ясно.🚬 снежинск быстро ввели но отладить до сих пор не могут, может лучше это время было потратить на создание более эффективного алгоритма?
Мы перешли в пустой и бесполезный спор, каждый останется при своем, поэтому бог с ним, с Яндексом, проведите хорошо этот праздничный день.
Это типа новая трактовка фразы "алгоритм яндекса дерьмо"?
Источник цитаты вставил, это нужно, видимо, для тех кто пользуется Яндексом , а для остальных и поГУГЛИТЬ можно.
Вопрос элементарной порядочности. Если что-то цитируешь - будь добр указать источник, а не отсылать собеседников искать его.
к сожалению не могу оценить что сложнее
Вот когда сможете, тогда и будете учить Яндекс, чтобы Вы делали на его месте :)
Это типа новая трактовка фразы "алгоритм яндекса дерьмо"?
Я так конечно не говорил, но в моей теме есть ряд сайтов в топ 10 которые для меня являются показателем что "не все в порядке в Датском королевстве".
Zlyden, а в моих тема их даже больше. Уроды конкуренты. Всех гнать из топа поганой метлой и сцаными тряпками.
Вот когда сможете, тогда и будете учить Яндекс, чтобы Вы делали на его месте :)
Не люблю агрессию которая явно сквозит в ваших словах, вы поучите Эффектор правильно работать, тогда, там работы не початый край🚬