YT YouTube2Text

YouTube2Text → Transcripts → AdaBoost Hyperparameters | GridSearchCV in Adaboost

AdaBoost Hyperparameters | GridSearchCV in Adaboost — Transcript

by CampusX · 1,867 words · 235 segments · language en · Watch on YouTube

Open in transcriber Summarize with AI Download SRT/VTT

Full transcript

0:00हेलो गाइस माय नेम इज नितिश वेलकम टू माय
0:30एक्सजी बूस्ट जहां पर बहुत सारे हाइपर
0:32पैरामीटर्स होते हैं एड बूस्ट थोड़ा सिंपल
0:35एल्गोरिदम है यहां पर उतने ज्यादा आपको
0:37हाइपर पैरामीटर्स मिलेंगे नहीं ठीक है सो
0:39प्रेसा इजली यहां प तीन से चार ही हाइपर
0:41पैरामीटर्स है जिनके बारे में आपको पढ़ना
0:43है सो मैं आपको जल्दी से इंट्रोडक्शन दे
0:45देता हूं इन हाइपर पैरामीटर्स का फिर हम
0:47इनको प्रैक्टिकली इंप्लीमेंट करेंगे सो
0:50यहां पर आपके पास जो
0:52मेन चार ही हाइपर पैरामीटर्स है ये लास्ट
0:56रैंडम स्टेट को मैं कैलकुलेट काउंट नहीं
0:58कर रहा बिकॉज डम स्टेट आप सिर्फ रिजल्ट्स
1:01की कंसिस्टेंसी के लिए यूज करते हो सो
1:04सबसे पहला है बेस एस्टिमेटर तो बूस्टिंग
1:08एल्गोरिदम है यहां पर आप चाहो तो कोई
1:11और डिसीजन ट्री के अलावा डिसीजन स्टंप के
1:14अलावा कोई और एल्गोरिदम भी यूज कर सकते हो
1:17इफ यू वांट बट मोस्टली आपको जो सबसे
1:20बढ़िया रिजल्ट्स दिखाई देंगे वो डिसीजन
1:23ट्री के ऊपर ही दिखाई देंगे विथ मैक्स
1:25डेप्थ इक्वल टूवन इसलिए यहां पर लिखा हुआ
1:27है द बेस एस्टिमेटर फ्रॉम व्हिच द बूस्टेड
1:31नसल इज बिल्ट सपोर्ट फॉर सैंपल वीटिंग इज
1:35रिक्वायर्ड एज वेल एज प्रॉपर क्लासेस एंड
1:38एन क्लासेस एटिबल इफ नन देन द बेस
1:41एस्टिमेटर इज डिसीजन ट्री
1:43क्लासिफाइज विद मैक्स डेप्थ इक्वल टू व
1:46ठीक है यहां पे आप लॉजिस्टिक रिग्रेशन यूज
1:49कर सकते हो आप एसडीएम यूज कर सकते हो केनन
1:52यहां पे काम नहीं करता क्योंकि वहां पे
1:54सैंपल वेट्स लेने की मतलब फीचर नहीं होता
1:57तो उसकी वजह से केनन यहां पे काम नहीं
1:59करता बट बट अगेन प्रैक्टिकली अगर आप बात
2:02करो तो आपको 99.9 पर टाइम्स डिसीजन ट्रीज
2:06ही यूज करने है तो अगेन ये एक ऐसा
2:08पैरामीटर है जो आप बहुत ज्यादा टच नहीं
2:10करते हो ठीक है अगला जो पैरामीटर है वो
2:12शायद सबसे इंपोर्टेंट पैरामीटर है द एन
2:15एस्टिमेटर्स हाइपर पैरामीटर बेसिकली आप
2:18कितने बेस मॉडल्स यूज करना चाहते हो ठीक
2:21है सो यहां पे लिखा हुआ है द मैक्सिमम
2:23नंबर ऑफ एस्टिमेटर्स एट व्हिच बूस्टिंग इज
2:26टर्मिनेटेड इन केस ऑफ परफेक्ट फिट द
2:28लर्निंग प्रोसीजर स्टॉप अर्ली ठीक है अगर
2:31उसको एक ऐसा डिसीजन ट्री बीच में मिल जाए
2:35जो एक भी गलती नहीं कर रहा है तो आपका
2:37लर्निंग बीच में ही रुक जाता है बट अगर
2:39नहीं मिला ऐसा कुछ तो यह जो नंबर है इतने
2:43बेस मॉडल्स ट्रेन होंगे ठीक है आई होप
2:46आपको ये चीज समझ में आ रहा है नेक्स्ट इज
2:48लर्निंग रेट ये मैंने आपको अभी तक नहीं
2:50पढ़ाया है लर्निंग रेट इज बेसिकली वेट
2:52अप्लाइड टू ईच
2:55क्लासिफाई बूस्टिंग आइट अ हायर लर्निंग
2:58रेट इंक्रीजस इ द कंट्रीब्यूशन ऑफ ईच
3:01क्लासिफाइज अ ट्रेड ऑफ बिटवीन द लर्निंग
3:04रेट एंड एन एस्टिमेटर्स पैरामीटर सो यहां
3:06पे जो पूरा हाइपर पैरामीटर ट्यूनिंग है वो
3:08इन्हीं दोनों के ऊपर है ठीक है मैं आपको
3:11लर्निंग रेट के बारे में थोड़ा और डिटेल
3:13में थोड़ी देर के बाद बताऊंगा नेक्स्ट इज
3:15एल्गोरिथम यहां पे दो ही एल्गोरिथम्स है
3:17एक है स और एक है सड आ ठीक है डिफॉल्ट
3:20आपको सड आ यूज करना है ये यहां पे लिखा
3:23हुआ है इट टिपिकली कन्वर्जेस फास्टर दन स
3:26अचीव्स अ लोअर टेस्ट एरर विथ फ्यूअर आइट
3:30तो मोस्ट ऑफ द टाइम आपको यह हेल्प कर देगा
3:34बाकी आप ग्रेड सर्च सीवी लगा केर चेक कर
3:36सकते हो ठीक है सो यही तीन चार अपने पास
3:39हाइपर पैरामीटर्स है अब मैं आपको
3:41प्रैक्टिकली दिखाता हूं कि आपको इनको कैसे
3:43ट्यून करना है सो अगर आप यहां पर जाओ
3:45मैंने एक नोटबुक बना रखा है यहां पर मैंने
3:47खुद का एक डेटा सेट क्रिएट किया है एक
3:50क्लासिफिकेशन डेटा सेट जो कि ऐसा दिखाई
3:53देता है और इसके ऊपर मैंने क्या किया एड
3:56बूस्ट
3:58क्लासिफाइड ट मैंने डिफॉल्ट वैल्यूज ले ली
4:01मतलब डिसीजन ट्री मैक्स स्टेप वन 50
4:04एस्टिमेटर्स लर्निंग रेट का वैल्यू वन और
4:07एल्गोरिथम का वैल्यू यह है ठीक है और इसको
4:10ट्रेन किया तो मेरा एक्यूरेसी इ कमिंग आउट
4:13टू बी 78 ठीक है उसके बाद
4:17मैंने इसको प्लॉट किया और प्लॉट करने के
4:20बाद यह मेरा आउटपुट है उस डाटा के ऊपर एंड
4:23यू कैन सी कुछ गलतियां हो रही है कुछ येलो
4:26पॉइंट्स ब्लू रीजन में है और कुछ ब्लू
4:28पॉइंट्स येलो रीजन में ठीक है अब एक एक
4:31करके हम लोग इन हाइपर पैरामीटर्स के बारे
4:33में बात करते हैं सबसे पहले हम लोग बात
4:35करेंगे एन एस्टिमेटर्स के बारे में कि अगर
4:39आप एन एस्टीमेट को बढ़ाते हो या घटा हो तो
4:42क्या होता है सो सबसे पहले मैं एक काम
4:43करता हूं यहां पर एन एस्टिमेटर इक्वल टूव
4:46कर देता हूं मतलब मैं सिर्फ एक बेस मॉडल
4:48एक डिसीजन स्टंप ले रहा हूं आई होप आप
4:50इमेजिन कर पा रहे हो क्या होगा दिस इ द
4:53आउटपुट यह आपका डिसीजन बाउंड्री है एंड
4:55ओबवियसली इट वे टू सिंपलिस्टिक और यह
4:59क्लियर कट केस है अंडर फिटिंग का ठीक है
5:02यह अच्छा काम नहीं कर रहा बट जैसे जैसे आप
5:04बढ़ाओ ग यू वुड सी कि यह थोड़ा थोड़ा सा
5:18कॉम्प्लेक्टेड बनने लग जाएंगे जो यह बता
5:21रहा है कि आप ओवर फिटिंग कर रहे हो ठीक है
5:23सो अगर आप यहां पर 500 कर दो तो काफी
5:27ज्यादा ओवरफिटिंग दिखने लगता है अगर आप
5:30इसको 1500 कर दो तो ये क्लियर कट केस हो
5:32जाएगा ओवरफिटिंग का और टाइम भी ज्यादा
5:35लगेगा बिकॉज उतने ज्यादा डिसीजन टर्म्स
5:37आपको ट्रेन करने है ये देखो ये बहुत
5:38छोटे-छोटे रीजंस है और ये अच्छी बात नहीं
5:40है सो आपको एक ऑप्टिमम वैल्यू खोजना होता
5:43है एन एस्टिमेटर्स का बहुत कम अंडरफिटिंग
5:46हो जाता है बहुत ज्यादा ओवर फिटिंग हो
5:48जाता है आपको बीच में एक वैल्यू खोजना
5:50होता है ठीक है अब यहां पर आती है एक
5:52इंटरेस्टिंग चीज और वो है लर्निंग रेट सो
5:55लर्निंग रेट अगर आपको याद होगा मैंने आपको
5:57बताया था कि आप जब भी अल्फा कैलकुलेट करते
6:01हो किसी भी डिसीजन स्टंप का तो उसका
6:03फार्मूला होता है हाफ मल्टीप्ला बाय लॉग 1
6:07माइनस एरर डिवाइडेड बाय एरर ठीक है अब
6:10लर्निंग रेट क्या होता है लर्निंग रेट
6:11होता है कि आप चाहो तो अब अगर आपको याद
6:14होगा तो हम लोग क्या करते थे हम लोग जब
6:18अल्फा कैलकुलेट करते थे तो वो अल्फा होता
6:21था हाफ डिवाइडेड
6:24बाय लॉग ऑफ 1 माइनस एरर
6:29डिवाइडेड बाय
6:31एरर अब लर्निंग रेट क्या करता है कि
6:33लर्निंग रेट अल्फा से मल्टीप्लाई होता
6:36है ठीक है अल्फा से मल्टीप्लाई होता है सो
6:40बाय डिफॉल्ट आपके लर्निंग रेट का जो
6:42वैल्यू है वो होता है वन ट इज वाई आपका
6:46अल्फा एज इट इज रहता है बट आप चाहो तो एल
6:48आर का वैल्यू बढ़ा घटा सकते हो जनरली आप
6:50इसको घटा हो वन से कम करते हो ठीक है मान
6:53लो आपने क्या किया आपने इसको पॉइंट व कर
6:56दिया पॉइंट व करने से क्या होगा कि आपका
7:00अल्फा भी 10 टाइम्स रिड्यूस हो जाएगा अब
7:03सोच के देखो अल्फा को रिड्यूस करने से
7:05क्या होता है अब अल्फा को रिड्यूस करने से
7:08देर एक चीज होती है जिसको हम श्रिंकेज
7:10बोलते हैं बूस्टिंग में आप ये और आगे
7:11पढ़ोगे श्रिंकेज में क्या होता है यहां पे
7:14बहुत अच्छा एक एक्सप्लेनेशन दिया हुआ है
7:16देखो यहां प लिखा हुआ है डिक्रीजिंग द
7:18लर्निंग रेट मेक्स द कफिट अल्फा एम स्मॉलर
7:22ठीक है जैसा मैंने आपको बोला कि अल्फा का
7:24वैल्यू घट जाएगा अब अल्फा का वैल्यू घट
7:26जाने से क्या होगा इट विल रिड्यूस द
7:29एंप्लीट्यूड ऑफ सैंपल वेट्स एट ईच स्टेप
7:34अब मैंने आपको बताया था कि अब आपको क्या
7:36करना होता है इस अल्फा को यूज करना होता
7:38है टू अपडेट द वेट्स कैसे करंट वेट
7:41मल्टीप्ला बाय e टू द पावर माइनस अल्फा
7:46आपके करेक्टली क्लासिफाइड पॉइंट्स के लिए
7:48और करंट वेट मल्टीप्ला बाय e टू द पावर
7:52अल्फा मिस क्लासिफाइड पॉइंट्स के लिए अब
7:55सोच के देखो अगर ये अल्फा घट
7:57जाएगा अगर य रिड्यूस हो जाएगा तो आप जो
8:01अपडेट कर रहे हो
8:02ना उसका एंप्लीट्यूड घट जाएगा एंप्लीट्यूड
8:05घटने का मतलब अगर नेगेटिव
8:09में बढ़ रहा था तो नेगेटिव में कम बढ़ेगा
8:13अगर पॉजिटिव में बढ़ रहा था तो पॉजिटिव
8:16में भी कम बढ़ेगा एंप्लीट्यूड कम होने का
8:18यही मतलब है और उसका मतलब यह है कि दिस
8:22ट्रांसलेट्स इनटू स्मॉलर वेरिएशन ऑफ वेटेड
8:25डेटा पॉइंट्स एंड देयर फोर फ्यूअर
8:27डिफरेंसेस बिटवीन द वीकर
8:29डिसीजन बाउंड्रीज सो बेसिकली आपके पास आप
8:33अगर ज्यादा ज्यादा वीक लर्नर्स ऐड करते
8:35जाओगे तो उसका इफेक्ट रिड्यूस होता है ठीक
8:38है सो इन शॉर्ट आप बोल सकते हो यहां पे
8:40लिखा हुआ है कि द आइडिया इज टू स्लो डाउन
8:44लर्निंग अलाइन टू ड्रामे कली रिड्यूस
8:47ओवरफिटिंग सो इस पूरी चीज का फंडा यह है
8:51कि आप एन एस्टिमेटर्स बढ़ा लो बढ़ाने से
8:54क्या हो गया ओवरफिटिंग बट आप यहां पे क्या
8:56कर सकते हो लर्निंग रेट को घटा सकते हो
8:58लर्निंग रेट को घटा के प व करोगे तो आपका
9:01ओवरफिटिंग रिड्यूस हो जाएगा क्योंकि जैसे
9:04आपने लर्निंग रेट को घटाया अल्फा घट गया
9:07अल्फा घटने से आपके जो वेट्स अपडेट हो रहे
9:10थे वो अब थोड़े कम तरीके से लाइक उनका
9:14एंप्लीट्यूड रिड्यूस होने की वजह से
9:16लर्निंग उतना फास्ट नहीं हो रहा लर्निंग
9:18का स्पीड घट गया तो फिर ओवरफिटिंग का भी
9:21स्पीड घट जाएगा और आपको जो रिजल्टेंट
9:23स्पीड आउटपुट मिलेगा वो कुछ ऐसा मिलेगा
9:26लेट मी शो
9:28यू ये देखो थोड़ा सा स्मूथनिंग हो रहा है
9:31ठीक है तो इसी को बोला जाता है श्रिंकेज
9:33पैरामीटर ठीक है लर्निंग रेट को आप बहुत
9:35इंटेलिजेंट यूज करके अ ओवरफिटिंग से बच
9:39सकते हो वाइल यूजिंग एड बूस्ट ठीक है तो
9:42बहुत लोग इस पैरामीटर को यूज नहीं करते बट
9:45आप एन एस्टिमेटर और लर्निंग रेट इन दोनों
9:48को साथ में यूज करोगे ना तो आप एड बूस्ट
9:51का ट्रू पावर निकाल पाओगे ठीक है अब लास्ट
9:54एक चीज मैं आपको जल्दी से दिखाना चाहता
9:55हूं कि आप इसके ऊपर ग्रिड सर्ट सीवी कैसे
9:57लगा सकते हो सो मैंने क्या किया मैंने एक
9:59ग्रिड डिक्शनरी बना लिया जहां पे एन
10:01एस्टिमेटर्स में मैंने ये कुछ वैल्यूज डाल
10:03दी आप और ज्यादा वैल्यूज भी ट्राई कर सकते
10:05हो लर्निंग रेट में मैंने बहुत कम से लेकर
10:08के वन तक ट्राई किया और एल्गोरिथम के
10:10दोनों वेरिएशंस डाल दिए ग्रिड सर्च सीवी
10:12बोलके क्लास बनाया वहां पे एस्टिमेटर का
10:14वैल्यू मैंने डाल दिया एड बूस्ट अ
10:17पैरामीटर ग्रिड में अपना ग्रिड पास कर
10:18दिया एन जॉब्स -1 कर दिया बिकॉज थोड़ा
10:21फास्ट हो जाएगा प्रोसेस क्रॉस वैलिडेशन 10
10:23और स्कोरिंग एक्यूरेसी और अब ग्रिड रिजल्ट
10:27को मैं यहां पे स्टोर कर रहा हूं और
10:30यह मेरा आउटपुट आ रहा है गाइस 83 सबसे
10:32ज्यादा ऊपर जब मैंने किया था तो इट वास
10:35कमिंग आउट टू बी 78 बट ग्रिड सर सीवी
10:39अप्लाई करने से 83 तक पहुंच पाया मैं
10:41एल्गोरिदम इस केस में सरप्राइजिंगली सेम
10:44आर है और लर्निंग रेट प व सबसे बढ़िया है
10:47और एन एस्टीमेट 500 है ठीक है सो एड बूस्ट
10:51को ट्यून करना और यूज करना उतना डिफिकल्ट
10:54नहीं है इट इज वन ऑफ दोस इजियर बूस्टिंग
10:56एल्गोरिथम जिसको आप अगर थोड़ा सा आपको समझ
10:59है इन दोनों पैरामीटर्स का तो आप बहुत
11:01इजली यूज कर सकते हो ठीक है अब आप भी कोई
11:04डेटा सेट उठाओ और उस परे ट्राई करके देखो
11:06यह पूरी चीज जो आपने इस वीडियो में पढ़ी
11:09आई होप आपको वीडियो पसंद आया थैंक्स फॉर
11:11वाचिंग बाय

About this transcript

This page contains the full transcript of AdaBoost Hyperparameters | GridSearchCV in Adaboost by CampusX, generated from the public captions YouTube serves with the video. The transcript has 1,867 words across 235 segments, with the original timestamps preserved so you can click any line to jump to that moment in the embedded player.

What you can do with it

Use the transcript to take notes, quote the speaker, build a study guide, generate a summary with ChatGPT or Claude via the YouTube Summary tool, or export it as a timed subtitle file with YouTube to SRT. You can also re-open it in the transcriber to translate the transcript into 100+ languages.

Free YouTube transcript tool

YouTube2Text is a free YouTube transcript generator — no signup, no daily limit. Paste any YouTube link and get the full transcript instantly, with timestamps, click-to-jump, translation to 100+ languages, AI prompts for ChatGPT, Claude, and Gemini, and exports to TXT, SRT, VTT, or Markdown.