YT YouTube2Text

YouTube2Text → Transcripts → Gradient Boosting for Classification | Geometric Intuition | CampusX

Gradient Boosting for Classification | Geometric Intuition | CampusX — Transcript

by CampusX · 5,465 words · 794 segments · language en · Watch on YouTube

Open in transcriber Summarize with AI Download SRT/VTT

Full transcript

0:00है गैस मी नाम इस नीतीश और वेलकम तू मी
0:02युटुब चैनल इस वीडियो में हम लोग एक बहुत
0:05इंपॉर्टेंट मशीन लर्निंग एल्गोरिथम कर
0:07करने वाले हैं एल्गोरिथम का नाम है
0:09ग्रेडियंट बूस्टिंग और प्रिटी सर आपने
0:11इसका नाम सुना होगा एन बूस्टिंग में इट्स
0:14लाइक वन ऑफ ठोस प्राइमरी एल्गोरिथम जिसको
0:16और बाकी एल्गोरिथम उसे करते हैं सो एन
0:19वेरी इंपॉर्टेंट आई बिल आइटम आ आईएफ आई
0:22रिमेंबर करेक्टली मैंने इस एल्गोरिथम के
0:24ऊपर अपने चैनल पे पहले वीडियो बना रखें
0:26हैं आ रिग्रेशन के लिए बट सम हो मी
0:29क्लासिफिकेशन के ऊपर वीडियो नहीं बना पाया
0:31था तो इस वीडियो में व्हाट आई हैव डन इस
0:33की मैंने बहुत डिटेल में यह समझने की
0:36कोशिश की है की ग्रेडियंट बूस्टिंग
0:39क्लासिफिकेशंस और अरे उसमें कैसे कम करता
0:41है ठीक है तो मेजर्ली दो चीज कर हुई हैं
0:44इस वीडियो में पहले मैंने एक बहुत छोटा ये
0:47प्रैक्टिकल एग्जांपल के थ्रू समझाया है
0:49स्टेप बाय स्टेप की क्या स्टेप्स इंवॉल्वड
0:52है ग्रीन बूस्टिंग पर क्लासिफिकेशन में और
0:55फिर सेकंड हाफ ऑफ डी वीडियो में मैंने एक
0:56और डाटा सेट का एग्जांपल लेकर के
0:59ज्योमेट्री इन भी दिया डी होल आइडिया इस
1:01तू मेक यू अंडरस्टैंड इन एन वेरी सिंपल
1:04मैनर की ग्रिड इन बूस्टिंग कम कैसे करता
1:07है क्लासिफिकेशन के सिनेरियो में बिकॉज़
1:08रिग्रेशन के कैसे में में भी थोड़ा समझना
1:11आसन हो जाता है क्लासिफिकेशन में थोड़ा सा
1:13डिफिकल्ट है तो थॉट्स डी गोल पर धी वीडियो
1:16अब आपसे बस ये रिक्वेस्ट रहेगा की अगर आप
1:19पहले बार गाड़ियां बूस्टिंग पढ़ रहे हो तो
1:22डायरेक्टली वीडियो मत देखो आप पहले मेरे
1:24चैनल पर रिग्रेशन वाला जो वीडियो है वो
1:27देखो ग्रेड बूस्टिंग का फिर आप ज्यादा बटर
1:29समझ पाओगे तो वो जो वीडियो है रिग्रेशन
1:32वाला वो मैं डिस्क्रिप्शन में एड कर दूंगा
1:34सो या नो लेट स्टार्ट डी वीडियो सो गैस
1:38लेट डिस्कस की गाड़ियां बूस्टिंग
1:40क्लासिफिकेशन के कैसे में कैसे कम करता है
1:43एक बार इस चीज को डिस्कस करने के पहले आई
1:46थिंक आईटी बिल बी ग्रेट अगर मैं आपको पहले
1:48एक छोटा इंट्रोडक्शन दे पौन की ग्रेडिंग
1:51बूस्टिंग होता क्या है
1:54टेक्निक ये हम डिस्कस कर ही चुके हैं और
2:00कौन से टाइप की टेक्निक है
2:07आप क्या करते हो की आप बेसिकली मल्टीपल
2:11छोटे छोटे मॉडल को
2:14एक दूसरे के साथ जोड़ने चले जाते हो इन
2:18स्टेज वाइस फैशन
2:21का मतलब स्टेज वन तेज वन में आपके पास एक
2:26मॉडल है स्टेज तू में आपके पास दो मॉडल हो
2:29गए
2:33तो आप क्या कर रहे हो आप बेसिकली अपना
2:36डाटा प्रोवाइड कर रहे हो फर्स्ट मॉडल को
2:39और बेसिक आइडिया यह है की आपका जो फर्स्ट
2:42मॉडल है वह इस डाटा के ऊपर ट्रेन होगा कुछ
2:47गलतियां करेगा यह गलतियां आप अगले मॉडल को
2:50पास ऑन करोगे और आप बोलोगे की यार देखो
2:53पिछले वाले मॉडल ने यह गलतियां की है आप
2:56प्लीज इसको थोड़ा देख लेना और फिर यह जो
2:59मॉडल है
3:00यह उन गलतियां को सुधारने की कोशिश करेगा
3:03तो बेसिकली इन दोनों का जो कांबिनेशन
3:06बनेगा इन दोनों का जो कांबिनेशन बनेगा यह
3:10पहले वाले मॉडल के कंपैरिजन में बटर होगा
3:12बट यह दोनों मिलकर के भी कुछ गलतियां
3:15करेंगे तो वह गलती हम थर्ड वाले को
3:18भेजेंगे थर्ड वाला उन गलतियां से सीखेगा
3:21और फिर इन तीनों का कांबिनेशन
3:27ऑफ स्टेज वाइस
3:30शासन में मॉडल एड करते जाते हो और इस पूरे
3:34कॉन्सेप्ट को बोला जाता है
3:37एडिटिव मॉडलिंग
3:41और यही वह बेसिक कॉन्सेप्ट है जिसके ऊपर
3:44ग्रेडियंट बूस्टिंग कम करता है यह टेक्निक
3:46क्यों कम करता है मैंने आपको बता रखा है
3:48स्टाइल आई बिल गिव यू अप रिव्यू सो होता
3:52क्या है की आपके पास मशीन लर्निंग में जो
3:54गोल होता है वो होता है की यू वांट तू
3:56अचीव एन लवर्स लो वेरियंस मॉडल बट ये अचीव
4:01कर पन बहुत डिफिकल्ट है बिकॉज़ बायर्स इसे
4:03किड ऑफ इन्वर्सली प्रोपोर्शनल तू वेरियंस
4:06एक को बढ़ाने जाओगे एक को घटाना जाओगे
4:09दूसरा बाढ़ जाता है
4:22लर्नर्स का मतलब ऐसे मॉडल जिनका ट्रेनिंग
4:26डाटा के ऊपर जो आउटपुट है वह अच्छा नहीं
4:29होता तो बेसिकली यह ऐसे मॉडल से जिनका
4:33बॉयस हाय होता है और फिर आप क्या करते हो
4:37यह एडिटिव मॉडलिंग उसे करके मल्टीपल हाय
4:41बायर्स
4:43है तो ओबवियसली लो वेरियंस होगा आप
4:47मल्टीपल हाय बायर्स एल्गोरिथम को जोड़
4:50करके उसको लो बायर्स में कन्वर्ट करते हो
4:53और दिस इसे डी मैजिक ऑफ ग्रेडियन बूस्टिंग
4:56सो अभी तक हम लोगों ने ग्रीटिंग बूस्टिंग
4:59पढ़ा है रिग्रेशन के कॉन्टेक्स्ट में जहां
5:02पर हमने
5:05एक छोटे से डाटा सेट के ऊपर
5:08अप्लाई किया था इन डी सेटिंग ऑफ रिग्रेशन
5:11अब इस वीडियो में
5:16क्लासिफिकेशन
5:37फॉलो करता है
5:39है और मैंने इसको मैथमेटिकली सिंपलीफाई
5:41करके भी दिखाए था और फिर एक डाटा सेट के
5:43ऊपर रन करके भी दिखाए था नो डी ब्यूटी ऑफ
5:46ग्रेडियंट बूस्टिंग इस की ग्रीडिन
5:49बूस्टिंग को
5:50क्लासिफिकेशन सेटिंग के लिए कोई डिफरेंट
5:53एल्गोरिथम फॉलो करने की जरूर नहीं होती है
5:55इनफैक्ट आई वुड शो यू की आप यह एग्जैक्ट
5:59एल्गोरिथम जो आपने रिग्रेशन में उसे किया
6:01था इस एग्जैक्ट एल्गोरिथम को मैं
6:04क्लासिफिकेशन में भी यही से स्टेप्स लगा
6:07करके उसे करूंगा और वो क्लासिफिकेशन की
6:10प्रॉब्लम को भी सॉल्व कर देगा डी ओनली
6:12डिफरेंस बिटवीन की आप जो लॉस फंक्शन
6:16रिग्रेशन में लेकर चल रहे थे वह था मेंस
6:22हम लोग क्लासिफिकेशन सेटिंग में है हम
6:25यहां पर लोग लॉस को अपना लॉस फंक्शन लेकर
6:30चलेंगे और सिर्फ इस छोटे से चेंज
6:38ऑटोमेटेकली
6:40प्रॉब्लम्स को भी सॉल्व कर देगा
6:49रिग्रेशन पर भी कम कर रहा है क्लासिफिकेशन
6:51पर भी कम कर रहा है बस आप इनपुट में एक
6:54चीज बादल दे रहे हो की आप कौन सा लॉस
6:56फंक्शन उसे करना चाहते हो तो अभी इस
6:59वीडियो में मैं मैथमेटिक्स डीटेल्स में
7:01नहीं जान वाला बिकॉज़ पहले थोड़ा हमें
7:04समझना चाहिए की हो क्या रहा है फिर क्यों
7:07हो रहा है वार्म डिस्कस करेंगे तो
7:08मैथमेटिक्स डीटेल्स आगे की वीडियो में
7:10डिस्कस होगा फिलहाल मैं आपको एक ओवरव्यू
7:13देना चाहता हूं की जब आप गाड़ियां
7:15बूस्टिंग को क्लासिफिकेशन सेटिंग में
7:17लगाते हो तो स्टेप बाय स्टेप कैसे आप कम
7:20करते हो गाइज अब ये पूरा एक्सप्लेन में
7:23आपको दो पार्ट्स में दूंगा इन डी फर्स्ट
7:25पार्ट आई बिल उसे स्मॉल डाटा सेट तू
7:29एक्सप्लेन की गाड़ियां बूस्टिंग पर
7:31क्लासिफिकेशन में क्या-क्या स्टेप्स इन
7:33वर्ल्ड है और फिर जब आप एक बार यह समझ लोग
7:36फिर मैं आपको एक सेकंड पार्ट में
7:40एक पूरा का पूरा ज्यामितीय इंशन दूंगा सो
7:42डेट जो भी आपने समझा है वो एकदम अच्छे से
7:45आपके दिमाग में बैठ जाए ठीक है तो स्टार्ट
7:49करने के पहले मैं फिर से एक रिक्वेस्ट
7:51करूंगा आपसे की अगर आपने गाड़ियां
7:54बूस्टिंग पर रिग्रेशन नहीं पढ़ा है वो
7:56वीडियो नहीं देखें प्लीज एक बार पहले वो
7:59वीडियो देख लो क्योंकि उसके बिना मैं समझा
8:02नहीं पाऊंगा आपको की क्लासिफिकेशन में
8:04कैसे चीज कम करती हैं ठीक है तो चलो
8:15है और तीन कलम से
8:17एजेंसी क्लासिफिकेशन डाटा सेट वही हमारा
8:21पुराना एग्जांपल जहां पर हमारे पास इनपुट
8:24में
8:25गपा बोलकर के कलम है और इक बोल करके कलम
8:30है और हमें प्रिडिक्ट करना है की उसे
8:33बच्चे का प्लेसमेंट होगा या नहीं होगा ठीक
8:36है तो यू कैन सी फिलहाल मेरे पास 8 बच्चों
8:39का डाटा है मुझे इस डाटा सेट के ऊपर
8:43ग्रेडिंग बूस्टिंग अप्लाई करना है और मुझे
8:46प्रिडिक्ट करना है किसी नए बच्चे के लिए
8:48की उसका प्लेसमेंट होगा या नहीं होगा ठीक
8:51है तो बिल्कुल जैसे आप रिग्रेशन के कैसे
8:56में कम करते थे बिल्कुल सिमिलरली आप मूव
8:58करोगे आपका गोल क्या है की आप मल्टीपल
9:02छोटे-छोटे मॉडल बनोगे
9:08और उनको तेज वॉइस फैशन में एक दूसरे के
9:10साथ एड करते जाओगे
9:21तो इस एग्जांपल के लिए मेरा प्लेन है की
9:24मैं टोटल मिलकर के
9:26तीन मॉडल को उसे करूंगा
9:29दिस बिल बी मॉडल वन इसको
9:35मैथमेटिकल फंक्शन दिस बिल बी एन
9:40दिस बिल बी डी सेकंड मॉडल f1x और दिस बिल
9:43बी डी थर्ड मॉडल f3x सो बेसिकली मेरा
9:48जॉइंट मॉडल होगा जो बूस्टिंग मॉडल होगा वो
9:52इन तीनों के कांबिनेशन से बनेगा
9:59ठीक है अलसो अगर आपने रिग्रेशन वाला
10:02वीडियो देख रखा होगा तो आपको पता होगा की
10:04ये जो फर्स्ट वाला मॉडल होता है दिस इस एन
10:07वेरी सिंपल मॉडल
10:10रिग्रेशन के कैसे में हम सिंपली मीन को ही
10:15अपना मॉडल बना लेते थे जस्ट मीन वैल्यू
10:24होते थे
10:26तो यहां पर भी हम कुछ सिमिलर करने वाले
10:29हैं
10:38अभी भी डिसीजन
10:47बूस्टिंग ऑफ थ्री मॉडल वन वेरी सिंपल मॉडल
10:51और तू डिसीजन ट्री ठीक है तो मैं स्टेज
10:55वाइस फैशन में आपको ये पुरी चीज करके
10:58दिखाऊंगा देवर बिल बी थ्री स्टेज
11:02फर्स्ट स्टेज में पहले मॉडल फिट करेंगे
11:04दूसरे स्टेज में पहले और दूसरा का
11:08कांबिनेशन फिट करेंगे थर्ड स्टेज में पहले
11:10दूसरा और तीसरी का कांबिनेशन फिट करेंगे
11:13आई होप यहां तक आपको चीज समझ में ए गई अब
11:16यहां पर हम लोग स्टार्ट करते हैं स्टेज वन
11:21स्टेज वन में हमारा गोल होता है
11:26ये मॉडल को बिल्ड करना
11:30ठीक है
11:31आप क्या करते हो हमेशा यू स्टार्ट विद एन
11:34वेरी सिंपल मॉडल
11:38और
11:39रिग्रेशन सेटिंग में थे तो आपने वहां पर
11:42ज्यादा दिमाग नहीं लगाया और आपने बोला की
11:44यार जो भी मेरा आउटपुट कलम है ना उसका मीन
11:50बिल विकम मी फर्स्ट मॉडल करेंगे
12:07लोग ऑफ पोर्ट्स
12:10और प्रीति सर आपने यह टर्म पहले सुन रखा
12:13है ठीक
12:14है
12:18आप नंबर ऑफ
12:21वन कैलकुलेट करते हो और उसको नंबर ऑफ जीरो
12:26से डिवाइड कर देते हो और इस पुरी चीज का
12:29लॉगिन
12:37कितना है एक दो तीन कर पांच तो 5 ए गया
13:08मैंने और
13:11वीडियो कैलकुलेटर
13:33एक चीज ख्याल रखती है आपको की हम लोग बेस
13:36उसे करेंगे
13:38लोग बेस 10 उसे नहीं करना ठीक
13:44लगाते हो इस नंबर के ऊपर तो यू गेट
13:49दिस क्वांटिटी अब आप क्या कर रहे हो आप
13:55इनिशियल प्रोडक्शन
14:09ठीक है
14:10अब यहां पर एक प्रॉब्लम है प्रॉब्लम यह है
14:15की यह जो क्वांटिटी हमने कैलकुलेट की यह
14:21लोग
14:22गोइंग फॉरवर्ड हमें
14:25रिजिजू कैलकुलेट करने होंगे जैसा हमने
14:27कैलकुलेट किया था रिग्रेशन के कैसे में तो
14:31रिगृह रिजिजू कैलकुलेट करने के लिए आपको
14:34यह जो इस प्लेस्ट वाला कलम है इसको उसे
14:38करना पड़ेगा बट ये जो इस प्लेसिड है ये
14:40किड ऑफ आपको प्रोबेबिलिटी दे रहा है तो आप
14:43एक्चुअली प्रोबेबिलिटी और डॉग्स को आपस
14:46में मैथमेटिकली कंबाइन नहीं कर सकते साथ
14:49में उसे नहीं कर सकते तो आपको क्या करना
14:52पड़ता है
15:23है तो आपको आपकी प्रोबेबिलिटी वैल्यू मिल
15:26जाएगी तो मैंने क्या किया मैंने यह वैल्यू
15:29कैलकुलेट की और यह वैल्यू कितनी ए रही है
15:33और वही मैंने यहां पर सी पर एवरी रस्सी
15:39प्रोबेबिलिटी
15:42इसका क्या मतलब हुआ की मेरा जो मॉडल है
15:46कौन सा मॉडल यह पहले मॉडल
15:50स्टेज वन वाला मॉडल
15:52इसको आप इनपुट में कोई भी गपा दे दो कोई
15:56भी इक दे दो इसका आउटपुट हमेशा होगा
16:02क्लासिफिकेशन
16:31है की इरेस्पेक्टिव ऑफ बच्चे का गपा क्या
16:34है और बच्चे का इक क्या है हमारा जो पहले
16:38मॉडल है वह सीधे-सीधे बोल रहा है की
16:41प्लेसमेंट हो जाएगा कोई फर्क नहीं पड़ता
16:43की आपका गपा क्या है आपका इक क्या है आपका
16:47प्लेसमेंट हो जाएगा लाइक डी ड्रीम कॉलेज
16:50ऐसा कॉलेज अगर एक्जिस्ट करें हर कोई इसमें
16:53एडमिशन करना चाहेगा तो ऑब्वीजली गलत है यह
16:57मॉडल और अच्छा परफॉर्म नहीं करेगा बट दिस
17:00इस एन गुड स्टार्टिंग पॉइंट दिस इस एन गुड
17:04स्टार्टिंग पॉइंट और
17:07यह जो आंसर आपको मिल रहा है सारे वन आनी
17:10चाहिए वो एक्चुअली आपके डाटा का जो
17:12डिस्ट्रीब्यूशन है उससे भी थोड़ा सा मैच
17:14कर रहा है आपके डाटा में
17:1651 है
17:19अगर आपसे कोई पूछ ले की भाई यह नया बच्चा
17:23आया है इसका प्लेसमेंट होगा या नहीं अब
17:26आपको कुछ भी ज्ञान नहीं है फिर भी आप
17:28डिस्ट्रीब्यूशन देख कर क्या
17:32सकते हो की जो रिग्रेशन सेटिंग में मीन
17:37करता है
17:40वही कम क्लासिफिकेशन सेटिंग में
17:43लोग ऑफ आर्ट करते हैं
17:47ठीक है
17:54अपना पहले मॉडल बना लिया अब हमें क्या
17:57करना है की यह जो पहले मॉडल है इसकी जो
18:01गलतियां हैं इसका जो एरर है उसको हमें
18:04दूसरे मॉडल के पास भेजना है और वहां से
18:07हमारा स्टेज तू स्टार्ट होगा
18:11जान के पहले कम कर लेते हैं की हमारा जो
18:14फर्स्ट मॉडल है उसकी गलतियां कैलकुलेट कर
18:18लेते हैं की उसने कितना एरर किया तो अगर
18:22आपको एल्गोरिथम याद होगा रिग्रेशन वाले
18:24कैसे में तो हम गलतियां कैसे मेजर करते थे
18:27हम एक चीज कैलकुलेट करते थे जिसको हम
18:30बोलते थे
18:31सुडो रिजिजू
18:35कैसे कैलकुलेट
18:41बेसिकली जो आपका ट्रू आउटपुट है उसको आप
18:46सब्सट्रैक्ट करते थे जो आपका प्रोडक्शन
19:02प्रिडिक्शन है आपको इन दोनों कॉलम्स को
19:05सब्सट्रैक्ट करना है और वही किया मैंने
19:08वैकेंसी मैंने एक नया कलम बना लिया
19:15की बेसिकली इस कलम और इस कलम के सूत्र
19:22तो अब मेरे पास
19:25रिजिजू है यह मेरा फर्स्ट मॉडल था मुझे
19:30इसकी गलतियां समझ में ए गई अब मुझे क्या
19:32करना है मुझे एक नया मॉडल बनाना है जो की
19:36एक्चुअली एक डिसीजन ट्री होगा जो की इस
19:41मॉडल की गलतियां से सीखेगा और यह आप कैसे
19:44करते हो की आप एक डिसीजन ट्री ट्रेन करोगे
19:47बट जो डिसीजन ट्री आप ट्रेन करोगे उसमें
19:51आपका इनपुट तो वही होगा जो आपके एक्चुअल
19:55इनपुट कलम से बट जो आपका आउटपुट है
20:20एक चीज आपको ख्याल रखती है की यहां पर जो
20:24डिसीजन ट्री है आईटी इसे एन रिग्रेशन ट्री
20:28जो दो आप क्लासिफिकेशन प्रॉब्लम सॉल्व कर
20:31रहे हो बट आप एक रिग्रेशन ट्री उसे करते
20:33हो बिकॉज़ यह जो आपका आउटपुट है
20:43और यह रिग्रेशन ट्री शुड बी एन वीक लर्नर
20:49दे शुड नोट बी ग्रोन डिसीजन ट्री डेट इस
20:53वही मैंने यह मेक सर किया है की जो
20:56मैक्सिमम लीफ नोट्स
21:07है वह गपा के बेसिस पे स्प्लिट मार रहा है
21:11और दूसरा जो लोड है
21:37दिस इस व्हाट आई हैव तू डू ठीक है तो यहां
21:42पर अब एक बहुत इंपॉर्टेंट कम आपको करना
21:44पड़ेगा आपको यह समझना पड़ेगा की यह जो
21:48कांबिनेशन है इन दोनों का
21:51यह जो कांबिनेशन है दोनों
21:54का यह प्रिडिक्शन कैसे करेगा
22:06प्रिडिक्शन कैसे करेगा वह मैं आपको समझता
22:08हूं दिस इसे लाइक वेरी इंपॉर्टेंट सो
22:10थोड़ा ध्यान देना तो
22:13ओबवियसली जो ओवर जो आउटपुट होगा वह पहले
22:18मॉडल
22:18का जो प्रिडिक्शन है
22:27वह शायद आपको पता है वह है लोग
22:35प्रोबेबिलिटी नहीं
23:01बहुत सिंपल था रिग्रेशन के कैसे में
23:04अनफॉर्चूनिटली क्लासिफिकेशन की कैसे में
23:06यहां पर एक डिफरेंस ए जाता है बिकॉज़ आपने
23:09इस पूरे के पूरे डिसीजन ट्री को ट्रेन
23:13किया है ऑन डी बेसिस ऑफ दिस रिजिजू और यह
23:17रिजिजू इस एक्चुअली
23:18डिफरेंस का प्रोबेबिलिटी
23:23इसका मतलब ये हुआ की यह जो वालुज आपको
23:26दिखे रही है
23:290.375.625.042 दे आर एक्चुअली
23:31प्रोबेबिलिटी
23:33हम इस प्रोबेबिलिटी को
23:37पहले मॉडल के लोग ऑफ ओडीडीएस के साथ एड
23:41नहीं कर सकते
24:04आपको हर लीफ नोट के लिए दिस इस नोट नंबर
24:09वन
24:13इन तीनों लीफ नोट्स के लिए आपको यह
24:17फॉर्मूला लगाना पड़ता है और आपको कैलकुलेट
24:21करना पड़ता है की हर नोट
24:25[संगीत]
24:28कितना होगा यह आपको निकालना पड़ेगा ठीक है
24:38नोट के लिए
24:40कैलकुलेट करनी है तो आपको क्या करना
24:43पड़ेगा सबसे पहले यह पता करना पड़ेगा की
24:46इस लीफ नोट
25:09है सबसे पहले खोजना पड़ेगा
25:14[संगीत]
25:29यह एक नया कलम बना लिया यह नया कलम हारो
25:34को बता रहा है की तुम कौन से नोट में जाकर
25:37गिर रहे हो जैसे की यह जो पहले रो है यह
25:40नोट नंबर 3 में जाकर गिर रहा है
25:43जो मेरा दूसरा नोट दूसरा रोड है वो वन में
25:47जाकर गिर रहा है
25:50और सिमिलरली जो मेरा फिफ्थ है वह फोर में
25:55जाकर गिर रहा है
25:58की कौन-कौन से प्वाइंट्स कौन से कौन से
26:02लीफ मोड में गिर रहा है
26:10तो यू कैन सी वन में
26:14यह और यह
26:17तो जस्ट कैलकुलेशन थोड़ा सिंपल हो इसलिए
26:21मैं इस मोड का
26:24कैलकुलेट करूंगा
26:32तो ध्यान देना क्या करेंगे हम लोग यह
26:36फॉर्मूला लगाएंगे
26:47[संगीत]
26:51नो यू विल उसे थिस तो रोज तो कैलकुलेटर
27:01पर फॉक्स करते हैं आपको क्या करना है यह
27:04दोनों जो प्वाइंट्स हैं इनके रिजिजू का सम
27:07निकालना है इनका रिजिजू है
27:14ये
27:18इन दोनों नेगेटिव
27:26खोजना तो इन दोनों का प्रीवियस
27:28प्रोबेबिलिटी यह है
27:33तो आप लिखोगे पहले वाले पॉइंट के लिए
28:06मल्टीप्लाई बाय पॉइंट 375 प्लस पॉइंट 625
28:12*
28:15375 इसको मैं ऐसे लिख सकता हूं
28:29मल्टीप्लाई
28:5075 =
28:54-2.1
29:09सिमिलरली आपको क्या करना पड़ेगा इस नोट के
29:13लिए सबसे पहले आईएफ यू वांट तू कैलकुलेट
29:17डी लोग ऑफ आर्ट आपको सबसे पहले खोजना
29:20पड़ेगा की कौन से तीन प्वाइंट्स कौन से
29:23तीन पॉइंट इस लीफ मोड में आकर गियर हैं और
29:26उनकी उन तीनों प्वाइंट्स के ऊपर आपको यह
29:29फॉर्मूला लगाना पड़ेगा ठीक है तो मैं एक
29:32कम करता हूं वीडियो पॉज करके जैसे मैंने
29:35यह कैलकुलेट किया है वैसे ही मैं बाकी
29:37दोनों लीफ नोट्स के लिए इसके लिए और इसके
29:41लिए
29:43कैलकुलेशन कर दिया
30:27पता कर लिया तो अब देखो हम कैसे अपने हर
30:31रो के लिए
30:33ओवरऑल आउटपुट कैलकुलेट करेंगे ठीक है
30:42और यहां पर हमें पता चल गया है इसका
30:45आउटपुट है 1.6
30:48और इनफैक्ट
30:51एक कम करते हैं यहां पर लिख लेते हैं
31:09अब हम क्या करने वाले हम अपने हर रो के
31:13लिए
31:28थर्ड लिस्ट में जाकर गिर रहा है
32:03तो इसका आउटपुट हो जाएगा
32:46कंबाइंड मॉडल का लोग
32:50पट आपको मिल
32:53हम पूरे टाइम क्या कर रहे हैं
32:56वापस प्रोबेबिलिटी में कन्वर्ट कर रहे हैं
33:02तो यही से कम हम फिर से करेंगे की ये जो
33:06लोग ऑफ वैल्यू निकाल रही है हर रो के लिए
33:09हम इसको वापस प्रोबेबिलिटी में कन्वर्ट
33:11करेंगे यूजिंग दिस फॉर्मूला
33:18सो मां लो अगर आपको इस पॉइंट के लिए करना
33:22है कैलकुलेट तो यह हो जाएगा
33:54आर्टिस्ट पॉइंट 10 कमिंग आउट तू बी पॉइंट
33:5910
34:06वैल्यू को
34:07प्रोबेबिलिटी में कन्वर्ट कर दिया
34:22फर्स्ट डाटा पॉइंट डॉग
34:25तो यह दोनों मिलकर के बोल रहे हैं की इस
34:29पॉइंट के वन होने का प्रोबेबिलिटी इस
34:31पॉइंट 10 और 10% तो अगर आपने 50% या फिर
34:37पॉइंट फाइव
34:49पॉइंट ए रहा है मतलब वन है वेरी क्लोज तू
34:53दिस सो इन एन वे आप देख का रहे हो की आपकी
34:57जो इनिशियल प्रोबेबिलिटी वहां से आप थोड़ा
34:59इंप्रूवमेंट पर ए गए ठीक है अब हमारे पास
35:03ये दोनों का कंबाइंड मॉडल है और अब हम
35:07क्या करेंगे एक थर्ड मॉडल और एड करेंगे
35:10विच बिल बी स्टेज 3 बट उसके पहले हमें
35:14क्या करना पड़ेगा की इन दोनों मॉडल का जो
35:17एरर है जो गलतियां हैं हमें उसको कैलकुलेट
35:22करना पड़ेगा सो बेसिकली इस मॉडल का
35:25रिजिजू कैलकुलेट करना पड़ेगा
35:29और मैंने वही किया मैंने फिर से क्या किया
35:35ए माइंस
36:15है और अब फिर से मैंने क्या किया मैंने अब
36:17एक नया डिसीजन ट्री बनाया किसके किसके बीच
36:21मैंने लिए अपने इनपुट कॉलम्स
36:25और मैंने इसको मां लिया
36:28और मैंने फिर से एक डिसीजन ट्री को ट्रेन
36:30किया और यह डिसीजन ट्री आपके स्क्रीन पर
36:33है
36:40जहां पे मेरे पास मेरा पहले मॉडल है
36:44सेकंड मॉडल है विच इसे एन डिसीजन ट्री और
36:47नो आई अलसो हैव मी थर्ड मॉडल विच इसे अगेन
36:57मॉडल बनेगा उसका आउटपुट कैसे निकलेगा
37:19यह हमारा सिर्फ पहले मॉडल का रिजिजू है जब
37:22हमारे पास सिर्फ एक मॉडल था हमारा घटिया
37:24मॉडल और यह हमारा
37:27कंबाइन मॉडल का रिजिजू है
37:32की अगर आप इनको साइड बाय साइड कंपेयर करो
37:36तो जो रिजिजू है जो एरर है वह जीरो की तरफ
37:41बाढ़ रहा है जैसे इस पॉइंट के लिए आप देखो
37:44शुरू में एरर था माइंस पॉइंट सिक्स वो
37:47देखो कहां पर पहुंच गया माइंस पॉइंट वन
37:51जीरो की तरफ जा रहा है यहां पर देखो आपका
38:29रिड्यूस कर सकते हो विद डी हेल्प
38:35बहुत सिंपल है आप क्या करो की आपका पहले
38:39मॉडल प्लस दूसरा मॉडल का आउटपुट था तो
38:43दूसरे मॉडल के आउटपुट को आप एक लर्निंग
38:45रेट से मल्टीप्लाई कर दो मतलब मैं क्या
38:47बोल रहा हूं की आप डायरेक्टली 1.6 एड करने
38:50के बाद
38:53लर्निंग रेट इस पॉइंट वन तो रदर थान 1.6
38:58आप एड करोगे
39:04ग्रैजुएल हो जाएगा तो एक लर्निंग रेट का
39:06कॉन्सेप्ट यहां पे इंट्रोड्यूस किया जाता
39:08है ठीक है तो कहानी और अगर आप पढ़ रहे हो
39:10तो प्लीज डोंट गेट
39:12की अगर आपका पहले मॉडल का जो एरर था और
39:17आपका दूसरा मॉडल को एड करने के बाद जो
39:19कंबाइन मॉडल का एरर था उन दोनों के बीच
39:22में बहुत शार्प डिफरेंस है जैसा की यहां
39:24पे आपको दिखे रहा है
39:26माइंस पॉइंट सिक्स से आप -.1 तक
39:30यू वांट तू रिड्यूस डी जंप डी मेग्नीट्यूड
39:34ऑफ डी जंप तो आप बस क्या करोगे जो डिसीजन
39:36ट्री आपने बनाया है उसका जो लोग ऑफ ओड्स
39:38वैल्यू है उसको आप एक लर्निंग रेट से
39:41मल्टीप्लाई कर दो और डेट लर्निंग रेट इस
39:43जनरली इक्वल तू पॉइंट वन ठीक है तो ये
39:46कॉन्सेप्ट बस आपको बताना था इसलिए मैंने
39:47आपको बता दिया ओ गैस अब हम लोग इस जगह
39:51पहुंच गए हैं की हमारे पास हमारे बूस्टिंग
39:54में तीन मॉडल हैं एफ नोट एक्स f1x f2x
39:58इनमें से f1 x2 एक्स दिस इस है पहले वाला
40:03मॉडल इस एन वेरी सिंपल लोग ऑफ मॉडल
40:05यहां पर अब हमें क्या करना है की इन तीनों
40:09का जो कंबाइंड मॉडल बनेगा हमें इसका
40:12आउटपुट कैलकुलेट करना है
40:15इन टर्म्स ऑफ
40:18डॉग्स
40:20की पहले
40:28मॉडल वैल्यू क्या होगा अब हमें फिर से से
40:31कम करना पड़ेगा सेकंड वाले डिसीजन ट्री के
40:33लिए यहां पर नोट्स
40:36विच इसे दिस वन
40:38दिस वन और दिस वन हमें इन तीनों के लिए
40:42फिर से लोग ऑफ ओड वैल्यू कैलकुलेट करना
40:45पड़ेगा यूजिंग दिस फॉर्मूला तो फिर से
40:49मैंने क्या किया से कम किया यू कैन सी इस
40:53नोट में 3 प्वाइंट्स आगे का रहे हैं इसमें
40:55कर प्वाइंट्स आके गियर हैं और इसमें एक
40:57पॉइंट आके गिर रहा है तो मैंने फिर से
40:58क्या किया मैंने हर रो से पूछा की तुम कौन
41:01से लीफ नोट में जाकर गियर हो और यू कैन सी
41:04यहां पर दिखाई दे रहा है की यह यह
41:08चारों प्वाइंट्स
41:14ठीक है और
41:17यह यह
41:19तीन प्वाइंट्स
41:25नोट 2 में जाकर गियर और एक यह पॉइंट जो है
41:29सिंगल पॉइंट यह इस लीफ नोट में जाकर गिरा
41:33है ठीक है तो एक बार फिर से जस्ट पर
41:37प्रैक्टिस मैं आपको इस पर्टिकुलर लीव नोट
41:39का लोगो कैलकुलेट करके बताता हूं बहुत
41:42सिंपल है आप क्या करोगे आप
41:45इस पॉइंट का
41:48जो रिजिजू है आप वो ले लोग दिस इसे डी
41:52रिजिजू माइंस पॉइंट
41:57कर डॉग जो उसका प्रीवियस प्रोबेबिलिटी है
42:01दिस इसे डी प्रीवियस प्रोबेबिलिटी
42:04तो आप यहां पर लिखोगे पॉइंट सिक्स सिक्स
42:07मल्टीप्लाई
42:23आप ही कैलकुलेट कर लोग तो आप लिखोगे वन
42:26डिवाइडेड बाय पॉइंट थ्री फोर इक्वल तू
42:32बेसिकली इस पॉइंट का इस लीफ नोट का आउटपुट
42:37बिल बी
42:392.94 और इस तरीके से मैं वीडियो पॉज करके
42:43बाकी दोनों के लिए भी बाकी दोनों लीफ
42:46नोट्स के लिए भी यह वैल्यू
42:54इसलिए
43:01अब हम क्या करेंगे हम अपने हर रो के लिए
43:08इन तीनों मॉडल का मिलकर के जो कंबाइंड लोग
43:12निकलेंगे
43:28तो बहुत सिंपल है
43:44उसे लिफ्ट का लोगो निकाल लेंगे विच इस वन
43:48पॉइंट जीरो नाइन और उसमें हम इस वैल्यू को
43:51एड कर देंगे -2.1
44:518 में कन्वर्ट करना पड़ेगा और उसके लिए हम
44:54उसे करेंगे यह फॉर्मूला
44:58है तो हमने हर पॉइंट को लिया जैसे इस
45:00पॉइंट को लिया
45:03और यहां पर हमने दाल दिया
45:05प्लस वन पॉइंट जीरो सिक्स और इससे हमें यह
45:10प्रोबेबिलिटी मिल गई सो हमारे तीनों मॉडल
45:14को जब हम कंबाइंड उसे कर रहे हैं तो उसे
45:17कंबाइन मॉडल को जब हमने
45:20यह इनपुट दिया तो हमारा कंबाइन मॉडल बोल
45:24रहा है की इस पॉइंट के वन होने की
45:27प्रोबेबिलिटी 0.25 पर
45:30तो आप इसको बोल सकते हो की जीरो होगा
45:57की प्रिडिक्शन एक्जेक्टली कैसे होता है
46:05एक स्टूडेंट का डाटा है जहां पर हमें पता
46:08है की उसका गपा इसे
46:117.2 और उसका इक इस 100 और हमें बताना है
46:16की उसका प्लेसमेंट होगा या नहीं होगा
46:18यूजिंग दिस बूस्टिंग मॉडल ठीक है तो जैसा
46:23की मैंने आपको बता रखा है स्टेप्स बहुत
46:25सिंपल है आप क्या करोगे इस कंबाइंड मॉडल
46:28के बेसिस पे इस क्वेरी पॉइंट के लिए
46:31आप पहले लोग ऑफ ओडीडीएस वैल्यू कैलकुलेट
46:34करोगे और फिर उसे वैल्यू से आप
46:37प्रोबेबिलिटी कैलकुलेट करोगे और इस
46:39प्रोबेबिलिटी से आप आउटपुट बताओगे ठीक है
46:42तो चलो
46:44सबसे पहले हम इस क्वेरी पॉइंट को इन तीनों
46:48मॉडल में भेजेंगे
46:59क्या
47:17यस और नो डांसर इस नो तो हम यहां पर ए
47:21जाएंगे और अब हम अगला क्वेश्चन पूछेंगे
47:23क्या इक 132 से कम है यस और नो डी आंसर
47:30तो दिस बिल बी
47:33फ्रॉम अवर डिसीजन ट्री फिर इसी डाटा
47:45के ऊपर है क्या गपा 6.99 से कम है या
47:51ज्यादा है तो ज्यादा है
48:26ठीक है तो हमारे पास
48:31पॉइंट अब इससे हमें प्रोबेबिलिटी कैलकुलेट
48:34करनी है प्रोबेबिलिटी का फॉर्मूला
49:52एक बार हम देखते हैं किसका ज्योमेट्री
49:54इंशन क्या है तो मैं थोड़ा सा सर्च कर रहा
49:58था इनफैक्ट मैं खुद भी ज्यामितीय इंशन के
50:02लिए कोड लिखने की कोशिश कर रहा था बट दें
50:05आई फाउंड आउट दिस वेरी ब्यूटीफुल रिटर्न
50:10ब्लॉग जहां पर जो ऑथर है उन्होंने बहुत
50:15बढ़िया तरीके से कोड लिख करके
50:18प्रॉपर ज्योमेट्री इंशन दिया की कैसे
50:23गाड़ियां बूस्टिंग क्लासिफिकेशन के कैसे
50:25में कम करता है और डी गुड पार्ट अबाउट दिस
50:29ब्लॉग्स की कोर्ट साथ में दिया गया है तो
50:33मैं क्या करने वाला हूं मैं यह पर्टिकुलर
50:35कोड आपको दिखाऊंगा
50:37इस ब्लॉक का लिंक और इस कोड का लिंक आपको
50:41वीडियो के डिस्क्रिप्शन में मिल जाएगा
50:48और अपना अंडरस्टैंडिंग डेवलप करो ठीक है
51:00तो ऑथर ने क्या किया
51:18करना चाहते हो विच बेसिकली मेंस की आप रेड
51:21पॉइंट को अलग करना चाहते हो यह लो
51:23प्वाइंट्स को अलग करना चाहते हो तो जस्ट
51:26लाइक स व्हाट ही डेट ही स्टार्ट
51:32तो सबसे पहले ज्योमेट्री इंशन सही से आपको
51:36दिखाई दे इसलिए क्या किया गया है की ये जो
51:402d डाटा है
51:43इसको 3d में ले आया गया है सो यहां पर दो
51:46कॉलम्स है
51:47इनपुट कॉलम्स x1 nx2 और इस ग्राफ में क्या
51:53हुआ है की उसे 2d डाटा को 3d में ले आया
51:57गया है कैसे बहुत सिंपल है आपका x1 और x2
52:01अभी भी है एक थर्ड कलम एड कर दिया गया है
52:04और वह कलम है
52:05मतलब आपका जो
52:11आउटपुट वैल्यू है
52:15जैसे की रेड वाला जो पॉइंट है वह क्लास वन
52:19है
52:24यहां पर किया गया यू कैन सी दो लेवल पर ए
52:28गए सारे प्वाइंट्स येलो वाले प्वाइंट्स को
52:30जीरो वाले प्वाइंट्स हैं वो जीरो पे र गए
52:32और रेड वाले प्वाइंट्स वो वन वाले
52:35प्वाइंट्स हैं वो वन वाले लेवल पे ए गए तो
52:37बेसिकली हमने स्टूडियो डाटा को 3d में
52:40रिप्रेजेंट कर दिया ठीक है अब हमें क्या
52:43करना है की हमें अपना पहले मॉडल बिल्ड
52:45करना है सो अगर आपको याद होगा हमें ये
52:48पहले मॉडल चाहिए
52:50और आपको पता है की जो पहले मॉडल होता है
52:53वो बहुत ही सिंपल होता है और जनरली उसका
52:56प्रिडिक्शन भी बहुत ऑफ होता है हमारे कैसे
52:59में हम लोग लोग
53:05यहां पर जो राइटर है
53:31स्टेज वन का प्रिडिक्शन और दिस इस
53:33प्रोबेबिलिटी दिस इस नोट लोग ऑफ वांट्स तो
53:36व्हाट ही डिड ही प्लॉटेड एन डिसीजन
53:40बाउंड्री लाइक दिस आपको शायद थोड़ा सा
53:42दिखे भी रहा होगा 0.5 से थोड़ा ऊपर है ठीक
53:45है
53:46आई गैस हां स वैल्यू देखो 0.5 है तो ही
53:53स्टार्टड विद दिस मॉडल सो राइट नो दिस इस
53:57आर नोट एक्स और साइंस ये पॉइंट 5 5 पर है
54:01तो ये हर पॉइंट को
54:05रेड पॉइंट बताया बिकॉज़ 0.55 इस ग्रेटर
54:09दें 0.5 0 तो कोई भी आप पॉइंट लेकर आओ इस
54:13मॉडल के हिसाब से उसका
54:18शुरू होती है तो सबसे पहले
54:24ऑरेंज कलर का जो मॉडल है हम इसका रिजिजू
54:28कैलकुलेट करेंगे
54:44तो हमें क्या करना है इस पॉइंट पर हमारे
54:48पास
54:50मैं थोड़ा नीचे जाता हूं हमारे पास f1 है
54:54f1 नहीं है चलिए x1 है x2 है ए था हमने
55:00अपना प्रिडिक्शन कैलकुलेट किया और हमने
55:02अपना रिजिजू भी कैलकुलेट कर लिया तो अब हम
55:05क्या करेंगे इस डाटा को लेंगे इस डाटा को
55:08लेंगे और इन दोनों को मिला करके हम अपना
55:11पहले डिसीजन ट्री को ट्रेन करेंगे सो यहां
55:15पर यही होने वाला यह बड़ा सा कोड लिखा हुआ
55:18है ट्रेन अपडेट बोल के फंक्शन बनाया गया
55:20है जहां पर एक डिसीजन को ट्रेन किया जा
55:23रहा है इक्वल तू वन ठीक है मतलब इसमें दो
55:27लीफ नोट्स होंगे और आगे काफी सर
55:29डिस्क्रिप्शन है उसे फ्री का जो प्लॉट
55:32होगा में पॉइंट यह है
55:37डी डिसीजन ट्री यहां पर एक चीज आपको नोटिस
55:40करनी है की यहां पर आपका
55:52पॉजिटिव है
56:01[संगीत]
56:04रिजिजू के ऊपर
56:07वाला ग्राफ है
56:10तो यू कैन सी हमारा जो मॉडल है वह रिजिजू
56:15को सही
56:17से प्रिडिक्ट कर का रहा है तो अब हमें
56:20क्या करना पड़ेगा यह जो हमारा डिसीजन ट्री
56:22है इसके दोनों लीफ नोट्स के लिए हम लोग
56:26अपना गम वालुज कैलकुलेट करेंगे और गम
56:29वालुज कैलकुलेट करने का फॉर्मूला ये रहा
56:31जो मैंने आपको बहुत डिटेल में पटाया था
56:33अगर आपको याद होगा
56:35मैं इस फार्मूले की बात कर रहा हूं इस
56:39फार्मूले की बात कर रहा हूं
56:41ठीक है यह से फॉर्मूला है और इस फार्मूले
56:44से हमने अपने दोनों लीफ नोट्स की वैल्यू
56:47कैलकुलेट कर ली ठीक है और फिर हमें क्या
56:50करना है
56:52तो हम अपने फर्स्ट मॉडल को लेंगे और हम
56:57अपने पहले डिसीजन ट्री को लेंगे और इन
57:00दोनों को कंबाइंड उसे करके हम अपना आउटपुट
57:03कैलकुलेट करेंगे जो की इस कोड में किया
57:06गया है
57:15आई कैन सी यहां पर ए का वैल्यू
57:29यह वाला मॉडल
57:38है और
57:44यह जो आपको दूसरा दिखाई दे रहा है
57:49समझना है
57:55वो स्टेज वन मॉडल है एफ नोट एक्स और जो
57:59आपको रेड प्लस येलो कर्व दिखे रहा है वह
58:04आपका कंबाइन मॉडल है
58:17वह सेकंड वाला
58:21उसके थोड़े कम आएंगे उसका एड्रेस हो जाएगा
58:55स्टेज रिजिजू स्पीड ट्रेन ठीक है और फिर
58:59से हमने क्या किया
59:03जो f1 एक्स + मेरे डिसीजन ट्री के आउटपुट
59:07से बन रहा है ठीक है यहां पर फिर से मैंने
59:09गम वालुज कैलकुलेट की और यू कैन सी नो दिस
59:13इसे डी रिजल्ट दिस इस डी रिजल्ट अब यहां
59:16पर जो पर्पल कर्व है फिर से मैं लिख रहा
59:18हूं जो पर्पल कर्व है वो इसको रिप्रेजेंट
59:21कर रहा है नो दिस इस पर्पल
59:25और एफ नोट
59:31x+f1x+f2x का जो कांबिनेशन है जहां पे ये
59:34भी डिसीजन ट्री है ये भी डिसीजन ट्री है
59:36ये आपका रेड और येलो में है यानी की थोड़ा
59:40सा और इंप्रूवमेंट हुआ है
59:43पर्पल वाले के कंपैरिजन में अगर आप रेड और
59:45येलो वाले को कंपेयर करो तो वो और इस
59:48तरीके से
59:51डाटा के साथ
59:57ऊपर जा रहा था इसने यहां पर भी एक कट ले
1:00:00लिया ठीक है और फिर अब क्या किया है
1:00:03उन्होंने इस स्टेप को रिपीट किया कई बार
1:00:07बाय
1:00:17तो यह सारे ग्राफ एक्चुअली लोड नहीं हो
1:00:19रहे हैं जिसकी मी 1 सेकंड व्हाट आई बिल डू
1:00:21इस आई बिल जस्ट रन दिस कोड वन मोर टाइम
1:00:25और वे कैन सी थे रिजल्ट डी रिजल्ट इस
1:00:27ब्यूटीफुल एक्चुअली आपको देखकर के काफी
1:00:30इंशन मिलेगा की ये पुरी चीज कैसे कम कर
1:00:33रही है
1:01:09आपका एफ नोट एक्स सबसे पहले मॉडल उसके बाद
1:01:14ये है आपका दूसरा मॉडल
1:01:18दिस इसे योर सेकंड मॉडल और ये साइड में
1:01:20आपके रिजिजू कर्व्स हैं ज्यादा ध्यान आपको
1:01:23वैसे इस साइड लगाना है यू कैन सी दिस इसे
1:01:25मी सेकंड स्टेज मॉडल जहां पे मैंने एफ नोट
1:01:27xf1x को एड किया फिर ये है मेरा स्टेज 3
1:01:31मॉडल
1:01:33स्टेज थ्री मॉडल जहां पर मैंने f1 एफ नोट
1:01:36एक्स f1x और f2x एक्स दो डिसीजन त्रि
1:01:40बनाएं और उन तीनों को कंबाइन किया ठीक है
1:01:43यू कैन सी उसके बाद हम और आगे अगर बाढ़
1:01:46रहे हैं
1:01:48तो अब पीछे की साइड से भी यू कैन सी
1:01:51और
1:01:53फ्लैक्सिबिलिटी ए रहा है हमारे डिसीजन
1:01:55बाउंड्री में यू सी
1:01:58दिस इसे आफ्टर एडिंग डी थर्ड डिसीजन ट्री
1:02:02फिर लास्ट जब डिसीजन ट्री एड किया तो यू
1:02:06कैन सी नो दिस इस डी फाइनल डिसीजन
1:02:08बाउंड्री दिस इसे डी फाइनल डिसीजन
1:02:10बाउंड्री और नो जस्ट इमेजिन यह आपको थोड़ा
1:02:14विजुलाइज करना पड़ेगा इस कोड में नहीं
1:02:15दिया गया है
1:02:38की
1:02:43यह जो सेंटर वाले पॉइंट है यहां पर
1:02:47यह रेड कलर का एक डिसीजन बाउंड्री बन जा
1:02:51रहा है
1:02:53लेकिन सी लाइक दिस
1:02:56और
1:03:00यह रेड कलर का एक डिसीजन बाउंड्री बन रहा
1:03:03है और बाहर की साइड आपका यहां पर
1:03:08येलो डिसीजन बाउंड्री बन जा रहा
1:03:12है
1:03:15[संगीत]
1:03:42की जो आपने यहां पर एक एग्जांपल के थ्रू
1:03:45पड़ा था
1:03:48वह ज्योमेट्री कल स्पीकिंग दिखता कैसा
1:03:52यह दोनों चीज अगर आपको समझ में ए गई तो आई
1:03:55बिल आई एम प्रिटी सर की आप अच्छा कंट्रोल
1:03:58ले पाओगे ग्रेडियंट बूस्टिंग पर ठीक है तो
1:04:01या आई वुड रिकमेंड जस्ट एक बार यह ब्लॉक
1:04:05पढ़ो आप बहुत अच्छे से लिखा हुआ है ये
1:04:07ब्लॉक और यह कोड आप खुद से चला के देखो
1:04:10ठीक है हाथ में जब कोड राहत है उसके साथ
1:04:13थोड़ा एक्सपेरिमेंट करते हैं तो ज्यादा
1:04:15सीखने हैं सो या गैस आई नो वीडियो थोड़ा
1:04:18लंबा हो गया बट आई एम प्रीति सर अगर आपने
1:04:20पूरा वीडियो देखा होगा तो आपको चीज समझ
1:04:23में ए गई होगी और अगर आपको वीडियो पसंद
1:04:25आया तो प्लीज लाइक करना और अगर आपने चैनल
1:04:27को सब्सक्राइब नहीं किया है प्लीज तू
1:04:30सब्सक्राइब मिलते हैं नेक्स्ट वीडियो में
1:04:31बाय

About this transcript

This page contains the full transcript of Gradient Boosting for Classification | Geometric Intuition | CampusX by CampusX, generated from the public captions YouTube serves with the video. The transcript has 5,465 words across 794 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.