YT YouTube2Text

YouTube2Text → Transcripts → Introduction to Ensemble Learning | Ensemble Techniques in Machine Learning

Introduction to Ensemble Learning | Ensemble Techniques in Machine Learning — Transcript

by CampusX · 6,502 words · 815 segments · language en · Watch on YouTube

Open in transcriber Summarize with AI Download SRT/VTT

Full transcript

0:00हेलो हेलो गाइस वेलकम टू माय YouTube चैनल
0:02मैं लास्ट डिपोजिट पड़ा और अब हम लोग बहुत
0:06इंपोर्टेंट चीज स्टार्ट करने वाले मशीन
0:07लर्निंग में इसको बोलते हैं और सांभर
0:09लर्निंग इट्स सो यूज्ड ऑयल कि आप कभी भी
0:13कोई भी मशीन लर्निंग प्रोजेक्ट करोगे किसी
0:15कंपनी में या फिर किसी आयल कंपटीशन में तो
0:18इस समय एंड एवरीथिंग कि आप यहां पर और
0:21सांभर लर्निंग भी ट्राय करोगे ठीक है अब
0:24इन सब अलग इनमें कई सारे आलू एकदम साथ हम
0:26लोग एक-एक कर के सारे आलू को रिम्स कवर
0:28करेंगे बट इस वीडियो में मैं आपको बस ऑन
0:31शाम प्लानिंग के बारे में बताऊंगा उसका
0:33इंट्रोडक्शन लूंगा उसमें कौन-कौन से अगर
0:35हम चाहते हैं वह बताऊंगा और वह एल्गोरिदम
0:37सिर्फ कैसे काम करते हैं उसका भी
0:39इंट्रोडक्शन टो है ठीक है तो सबसे पहले 60
0:42करते हैं इस व्हाट्सएप ऑन सांभर कौन सा
0:45उबल वर्ड का क्या मतलब है तो अगर आप एक
0:47बार गूगल करो कि व्हाट इज द मीनिंग ऑफ
0:49कॉफी नार्मल तो आपको आंसर मिलेगा कि कौन
0:52शमन होता है अ ग्रुप फास्टेस्ट या फिर अगर
0:55आप समथिंग इन मशीन लर्निंग आप जब नार्मल
0:59लगे
1:00की बात करते हो तो असेंबल लर्निंग
1:01सैक्रिफाइस अब कलेक्शन आफ मल्टीप्ल मशीन
1:05लर्निंग मॉडल्स फॉर ग्राफ अलग-अलग मशीन
1:07लर्निंग मॉड इसको कंबाइंड कर देते हो और
1:10फिर उनसे मिला करके बड़ा मॉडल बनाते हो तो
1:13उस टेक्निक को बोला जाता है ऑन संभल कर
1:16देंगे ठीक है तो इस वीडियो में हम लोग
1:18सबसे पहले समझेंगे कि उन प्रॉब्लम्स में
1:20कैसे काम करता है क्योंकि काम करता है
1:23मतलब अच्छे से क्यों उसका परफॉर्मेंस
1:25अच्छा आता है आ कहां कहां पर ही मुश्किल
1:27है और और इस तरह की चीजें ठीक है और इन
1:30फैक्ट आईएस नॉर्मली वृक्ष बट सबसे पहले
1:33मैं आपको एक और सिर्फ समझाना चाहता हूं
1:35जिसको बोलते हैं विजडम आफ थे क्राउड अगर
1:38आपको कौन सा बल लर्निंग समझना है तो आपको
1:40सबसे पहले इस बात का आईडिया होना चाहिए कि
1:43जब तक राइट किसे कहते हैं सो लेट्स
1:45स्टार्ट विद टॉपिक आईएस थोड़ा तो आपको नाम
1:48से भी समझ में आ रहा होगा विजडम ऑफ्टन
1:50क्वाइट का क्या मतलब है हिंदी में बोला
1:52जाए तो भीड़ की समझदारी ठीक है तो मैं
1:55आपको इष्टतम पोषण एक्सपीरियंस बता दूं कि
1:57मैंने कब पिज़्ज़ा सिस्टम तक गिरावट आ
2:00इस समय जब मैं छोटा था तो मैं की सी देखा
2:02करता था कौन बनेगा करोड़पति और वहां पर
2:05अगर आपको याद होगा तो यह लाइन हुआ करती थी
2:07अब ऑडियंस पोल राइट और तथा ने जब भी मैंने
2:12नोटिस किया जबकि मैंने एक ऐसी रेखा मौसम
2:15टाइम जब पार्टिसिपेंट्स और जींस पहन लेते
2:18थे उनको सही आंसर मिल जाता था इसका मतलब
2:21किसी भी तरीके से ऑडियंस को सही आंसर पता
2:25होता था और यह मेरे लिए बहुत ही
2:26सरप्राइजिंग बात थी कि ऐसा कैसे हो सकता
2:29है कि हमेशा ऑडियंस को सही आंसर पता है
2:31गैस वोट यह चीज सिर्फ केबीसी में नहीं है
2:35हमारे आसपास हर जगह फैली हुई है विदेशों
2:38तक राउडिज्म व्हाइट फिल्मों में डांस जिस
2:41पर हमारा लाइफ डिपेंड करता है मैं आपको
2:44कुछ एक्सांपल देता हूं एग्जांपल जो बहुत
2:46बढ़िया है जो आप शायद रिलेटिड भी कर पाओगे
2:48इस प्रोडक्ट रिव्यू समाज की रेट में हम
2:52लोग शोपिंग करते हैं Amazon ऐप फ्लिपकार्ट
2:54से तो कभी भी कोई प्रोडक्ट अगर हम खरीदने
2:57जा रहे हैं तो हमें रिलायबिलिटी कैसे
2:59मिलता है कि
3:00घर खरीदना चाहिए या नहीं खरीदना चाहिए
3:02ऑनलाइन परचेज करने में आप प्रोडक्ट कुछ
3:04करके देख नहीं सकते हाथ में ले करके देख
3:07नहीं सकते आपके पास सिर्फ एक फोटो है तो
3:10वह इंट्रस्ट कैसे आएगा उल्टे जरा यह टमाटर
3:13Amazon जैसी वेबसाइट क्या करती है आपके
3:15जैसे कस्टमर से व्यू लेती है और वह सारे
3:18रिड्यूस आपको दिखाए जाते हैं जब आपको
3:20प्रोडक्ट खरीदने जाते हो सो लेट्स अगर कोई
3:22प्रोडक्ट है जिसके ऊपर 15000 लोगों ने
3:25रिव्यू दिया है रेटिंग दिया है और उसका
3:27writing-as-process पॉइंट पांच आउट ऑफ
3:29फाइव तो मेरे दिमाग में क्या आएगा मेरे
3:31दिमाग में आएगा किस अ कितने सारे लोगों ने
3:34बोला है कि यह प्रोडक्ट है यह प्रोडक्ट
3:37अच्छा होगा अगर 4.5 का रेटिंग होता और
3:40सिर्फ एक कस्टमर का रिव्यु होता है मतलब
3:43सिर्फ एक कस्टमर में 4.5 दिया बाकी किसी
3:46ने कोई विरोध नहीं दिया तो क्या मैं अपना
3:49कंप्यूटर बल और कॉन्फिडेंस क्लिक करता हूं
3:50पॉइंट को खरीदने के लिए डांसेज ओं राइट तो
3:54इन्हें वे मैं रिप्लाई कर रहा हूं इस तरह
3:57कूट क्योंकि जब एक बंदे ने बोला 4.5 है
4:00कि मेरे दिमाग में घंटी नहीं बजी और जैसे
4:02ही 15000 लोगों ने बोला 4.5 तो मैंने बोला
4:05कि हां इतने सारे लोगों पर बोल रहे हैं तो
4:07बढ़िया ही होगा और मैंने रिप्लाई करके
4:09खरीद लिया ठीक है यह सेम चीज आपको और जगह
4:13भी मिलेगी जब आप कोई मूवी देखना चाहते हो
4:15आईएमडीबी पर जाकर की मूवी के बारे में
4:18सर्च करते हो और आईएमडीबी रेटिंग को
4:21पकड़कर ही आप डिसाइड करो कि मूवी देखना है
4:23या नहीं बट पोंटिंग आकाश है आपके जैसे और
4:27बहुत सारे वीडियोस में आकर के मूवी को
4:29देखकर की रेट किया और जब कलेक्टिवली आप
4:32उसको देख रहे हो तो एक नंबर मिल रहा है
4:342.5 8.9 6.1 और वह नंबर आपको बता रहा है
4:39कि कलेक्टर भी लोग उस मूवी के बारे में
4:41क्या फील करते हैं अ गिव न एग्जांपल आफ
4:43विजडम ऑफ अकाउंट इट यह और तो और सबसे बड़ा
4:46एग्जांपल इस डेमोक्रैसी इंडिया इज़
4:49डेमोक्रेसी राइट डेमोक्रेसी में कैसे
4:51इलेक्शन होता है सारे लोगों को हक है वोट
4:54करने का हर किसी का वोट का बराबर
4:56व्यवस्थित और एंड में जिस पार्टी को
4:58ज्यादा वोट मिले
5:00क्वालिटी जाती है क्यों क्योंकि हम ऐसा
5:03मानते हैं कि जब ज्यादातर लोग किसी पार्टी
5:05को सपोर्ट कर रहे हैं तो वह पार्टी सही ही
5:07होगी एंड डेमोक्रेसी कमी जो फंडामेंटल है
5:10वह इसी चीज में लाइक करता है वह जब तक
5:13प्राउड मैं आपको यह बहुत बढ़िया एक्सांपल
5:15देता हूं प्लास्टिक शाम पल मैं किसी ब्लॉग
5:18में पढ़ रहा था वहां पर लिखा हुआ था कि
5:20कुछ 200 300 साल पहले सच में यह इंसिडेंट
5:23हुआ था कि एक मेला लगा हुआ था और वहां पर
5:27एक जानवर को स्टेज पर खड़ा कर दिया गया और
5:30जो घोषित था उस यह पूरी भीड़ से पूछा कि
5:33आप लोगों को गैस करना है इस जानवर का वेट
5:36कितना है जिसका भी आंसर सही होगा उसे
5:40प्राइस मिलेगा तो बहुत सारे लोगों ने गैस
5:43करना चालू कर दिया और वो इसलिए किसी का भी
5:45एकदम परफेक्ट सही आंसर नहीं आया बट मोस्ट
5:49था उसने उन सारे फैंस को उठाया और उनका
5:52मीन निकाला और जैसे इनकम निकाला गया युवक
5:55भी सरप्राइज़ क्यों कि जो मेन था वह
5:58ऑलमोस्ट
6:00घुमर घाल उस हिसाब से एकदम क्लोज था उस
6:03जानवर के एक्टिवेट से संभव हमेशा भीड़ को
6:07आंसर पता होता है और इसीलिए उन्होंने को
6:10बोलते हैं विक्रम और तक राउंड अगर आपको इस
6:13टॉपिक के ऊपर और कुछ पढ़ना हो तो आप यह
6:17बुक देख सकते हो Amazon पर गिवर है द
6:19प्रिज़न ऑफ़ क्राइस्ट बोलकर ऑल तो मैंने
6:22पूरी नहीं पड़ी है पहले 12 चैप्टर में
6:24पड़े हैं जो कि मुझे बहुत ही इंट्रेस्टिंग
6:26लगे और यह चकली इसी टॉपिक के साथ डील करती
6:29है कि कैसे भीड़ में लोगों को आंसर पता
6:32होता है और गेस व्हाट इस चीज के ऊपर बेस
6:35है ऑन सोमवार लड़ने मशीन लर्निंग में कौन
6:38सा बल लर्निंग का पूरा का पूरा फंडामेंटल
6:41कॉन्सेप्ट्स इस बेस्ड ऑन द फैक्ट ऑफ व्हिच
6:44इज द प्राउड की भीड को अकेले बंदे से
6:47ज्यादा पता होता है ठीक है सुनाओ या हमें
6:49पता है कि जब तक क्राउड क्या होता है अब
6:52एक बार चलते हैं ऑन संभलने की तरफ और उसके
6:55बेसिक समझते हैं तो गाइस अब हम लोग ऑन
6:57सांभर लर्निंग अ quora आईडिया समझेंगे
7:00हुआ था द गुड पार्ट इसकी को राइडर बहुत ही
7:02सिंपल है ठीक है जो किसी भी मुश्किल
7:04वेडिंग एल्गोरिदम से रिलेटेड दोस्त एप्स
7:07होते हैं आपको आएगा सॉलिड पता होगा एक
7:09होता है ट्रेनिंग फूल और एक होता है
7:13प्रिडिक्शन
7:16कि ट्रेनिंग जहां पर वह डाटा को देखकर के
7:19डाटा के अंदर का पाटन खोज कर और प्रोडक्शन
7:21तब होता है जब आप उसको नया कुड़ी पॉइंट्स
7:23देते हैं और इसको जो बिजनेस ठीक है उसके
7:26बेसिस पर आंसर करना होता है टाइट मैं आपको
7:28प्रिडिक्शन वाला सच बता रहा हूं ट्रेन
7:30वाला स्टेज मैं आपको तब बताऊंगा जब हम
7:33टाइप्स ऑफ इनफॉर्मल लर्निंग पढेंगे ठीक है
7:36अब ध्यान से को प्रोडक्शन के स्टेज में
7:38क्या होता है कि मान लो आपके पास कौन सा
7:40नंबर लर्निंग एल्गोरिथम्स मैनें नार्मल
7:42एक्टिंग एल्गोरिदम है मतलब आपके पास
7:44कलेक्शन आफ स्मॉलर बेस मॉडल सेंस मान लो
7:47आपके पास अलग-अलग नक्श एल्गोरिथम्स है या
7:51अलग-अलग बेस मॉडल से है लाइक दिस इज अ
7:54डिफरेंट बेस मॉडल्स
7:57तो बेसिकली अल्गोरिदम से ठीक है डिपोजिट
8:00फ्री हो सकता है इसलिए हो सकता है कि नैनो
8:02सकता है लिनियर रिग्रेशन सकता है कुछ भी
8:04है यह 10,000 डिफरेंट मशीन लर्निंग मॉडल्स
8:07और यह कलेक्टिवली
8:11कि यह जो कलेक्टर आफ मॉडल है यही आपका कौन
8:14सा नंबर लर्निंग मॉडल है कि इस पूरे को
8:16मिला करके आप एक बड़ा मॉडल बनाया वो जिसको
8:19ऑन शाम लर्निंग मॉडल बोल रहा हूं ठीक है
8:24अब एक चीज आपको हमेशा इनस्टॉल करनी होती
8:27है कि दीस मॉडल्स आर डिफरेंट अ
8:32इस बीच मॉडल्स आफ डिफरेंट यह हमेशा
8:35इंपोर्टेंट बात रहेगी हमेशा आपको मिक्सर
8:38करना पड़ेगा कि आपके मॉडल्स बहुत अलग हो
8:41इसका भी मैं आपको इनट्यूशन दे सकता हूं
8:43केबीसी में मालवा बैठे हो तो आपको ऑडियंस
8:48को यूज करना है और आपको पता चला कि आपके
8:51ऑडियंस में सारे के सारे लोग जो बैठे हैं
8:53वह सब सॉफ्टवेयर डेवलपर्स है तो यह आपके
8:57लिए अच्छी बात है बुरी बात है और इसके यह
9:00पूरी बात है क्योंकि अगर सभी सॉफ्टवेयर
9:02डेवलपर्स है तो उनका नॉलेज जो है वह
9:04सॉफ्टवेयर के डोमेन में है तो कल को अगर
9:06मुझसे कोई क्वेश्चन पूछा जाता है कंप्यूटर
9:08साइंस का और मुझे नहीं आता है तो यह मुझे
9:11बता देंगे बेक किए सारे के सारे सॉफ्टवेयर
9:13डेवलपर से है बट इनको बाकी कुछ नहीं आएगा
9:16अब मैचिंग सेकेंड मैंने यहां पर मेरे पास
9:18जो ऑडियंस बैठी हुई है वह अलग-अलग
9:20बैकग्राउंड से एक सी है एक कंप्यूटर साइंस
9:22इंजीनियर है एक सिविल इंजीनियर है एक
9:24डॉक्टर है एक पॉलीटिशियन हे फील और सिर्फ
9:27है राइट तो अब मेरे पास स्थित वैरायटी आफ
9:30क्राउड है प्राइड तो अब अगर
9:32अपनी पसंद आया तो हो सकता है अगर इंजीनियर
9:35को नहीं पता होगा तो पॉलिटिशन को पता होगा
9:37पॉलिटिशन को नहीं पता होगा तो लिटरेचर
9:39वाले को पता होगा राइट स्पिरिट एस वाइज
9:41अपऑन सोम बॉडी लैंग्वेज हम सबमिट करते हैं
9:43तो आप ट्राय कर दो कि आपके पास जो बेस
9:45मॉडल से जिनसे मिलकर कॉफी नार्मल इमॉर्टल
9:48बन रहा है वह डिफरेंट बैकग्राउंड से आते
9:51हैं डिफरेंट तो हमें ऐसे सपोर्ट से यह जो
9:54अलग-अलग डोमेन में एक्सपर्ट इस रखते हैं
9:56टेक्स्ट को इंवाइट लॉजिक मैं आपको बोल रहा
9:59हूं कि आपको डिफरेंट मॉडल चाहिए अब
10:02डिफरेंट मॉडल्स होने का एग्जाम क्लियर
10:04मतलब है 2 मतलब है एक मतलब यह है कि यह
10:07सारे एल्गोरिदम से अलग हो जैसे पहला वाला
10:10मामलों लिनियर रिग्रेशन हो दूसरा वाला
10:12एसडीएम हो तीसरा वाला डिसीजन ट्री हो इस
10:16तरीके से अलग-अलग एल्गोरिथम्स फॉर तो
10:18ऑटोमेटिकली डिफरेंट हो गया एक सेकेंड
10:21तरीका भी है कि आप क्या करो एल्गोरिदम को
10:24फिक्स कर लो सारे ही मॉडल्स नियर रिग्रेशन
10:27अल्गोरिदम में सारे के सारे लिनियर
10:29रिग्रेशन अल्गोरिदम सही है बट
10:32पंजाबी मॉडल को ट्रेन कर रहे थे तो आपने
10:35इन सबको अलग डाटा दिया
10:38मेरे फलक डाटा दिया एल्गोरिथम्स इन डाटा
10:40अपने चेंज कर दिया और ट्विटर चेंज करने की
10:44वजह से यह मॉडल्स अलग ढंग से ट्रेन होंगे
10:47और सिर्फ अलग ढंग से ट्रेन होंगे आपने वह
10:50वैरायटी क्रिएट कर दिया डिफरेंस क्रिएट कर
10:52दिया तो हमेशा याद रखना पॉइंट वन ऑन संभल
10:54बैटिंग में बेस मॉडल अलग होने चाहिए
10:57डिफरेंट होने चाहिए वैरायटी चाहिए और
10:59डिफरेंस आएगा कैसे दो तरीके हैं पहला अलग
11:02अगर हम यूज करना दूसरा से मालूम यूज करना
11:06बट अलग डाटा दिखाना ठीक है और थर्ड होता
11:09है इन दोनों का कोंबिनेशन आप अलग-अलग और
11:11उसकी यूज कर रहे हैं और अलग देवता भी दिखा
11:13रहे हो ठीक है तो अगर यहां तक आपको समझ
11:15में आ रहा है तो अब यह सारे मॉडल स्ट्रेन
11:18हो चुके हैं यह सारे बॉडी स्ट्रेन है अब
11:20मैं पास एक नया कोई पॉइंट आता है अब से
11:24एग्जांपल ले सकते हैं जो मांस तक यूज करते
11:26आ रहे हैं सीजीपीए
11:29का आईक्यू और प्लेसमेंट हुआ कि नहीं हम
11:34लोग एक क्लासिफिकेशन प्रॉब्लम की बात करें
11:36तो अब एक नया स्टूडेंट आया और मुझे उसका
11:39सीजीपीए पता है और उसका आईक्यू पता है और
11:42मुझे क्रेडिट करना है कि उसका प्लेसमेंट
11:45होगा या नहीं होगा तो मैं क्या करूंगा अब
11:49इसको यह पॉइंट को हर एल्गोरिदम को दूंगा
11:52सिम हर एल्गोरिदम खुद में एक मशीन लर्निंग
11:54मॉडल है वह प्रोडक्शन कर सकता है राइट तो
11:58पता चला कि पहले वाले ने बोला प्लेसमेंट
12:00हो जाएगा दूसरे वाले ने बोला नहीं होगा
12:02तीसरे वाले ने बोला हो जाएगा नहीं होगा
12:05एंड स्टोन अब माल हमारे पास पांच मॉडल्स
12:08होते हैं अभी तो यहां पर मैंने वन लिखा है
12:11मतलब मान लो कि हमारे पास गत पांच मॉडल्स
12:13होते हैं और पांच में से तीन लोगों ने
12:15बोला हो जाएगा और दोनों ने बोला नहीं होगा
12:19तो डेमोक्रेसी वाला लॉजिक लगता है उस
12:22लॉजिक को बोला जाता है मैच्योरिटी अकाउंट
12:25तो मैं चौड़ी अकाउंट जिस भी क्लास के सेवर
12:29आधा-पौन संबल मॉडल बोलेगा वही चीज होगी तो
12:32यहां पर अगर ज्यादा लोग बोल रही थी
12:34प्लेसमेंट का या तो आपके कौन सा उबल मॉडल
12:37का आउटपुट विल बी की प्लेसमेंट होगा अगर
12:40लोगों ने बोला होता ज्यादा कि नहीं होगा
12:42तो आप और संवाद बोलता नहीं होगा ठीक है आई
12:45हॉप आपको समझ में आ रहा है कि प्रेडिक्शन
12:47कैसे होता है और फॉर लर्निंग में चिकन
12:49ट्रेनिंग के बारे में थोड़ी देर के बाद
12:51बात करेंगे डोंट वरी अबाउट नो यह तो हो
12:54गया क्लासिफिकेशन सेटिंग रिग्रेशन सेटिंग
12:56में क्या होगा रिएक्शन सेटिंग में क्या
12:59होगा डेकोरेशन कुछ भी डिफरेंट नहीं होगा
13:02बिल्कुल सेम चीज रहेगी फिर से दो चीजें
13:04फॉलो करेंगे पहली चीज सारे के सारे मॉडल
13:07जो आपके पास होने चाहिए अगर डिफरेंट होने
13:09चाहिए मेरा आईटी होनी चाहिए और सेकंड चीज
13:11कि आपका मॉडल जो ट्रेन होगा वह या तो से
13:15मॉडल होंगे या फिर अलग डाटा पर ट्रेन होने
13:17वाले से मौजूद होंगे डिफरेंट हक हो गांव
13:21में या तो डिफरेंट मौजूद होंगे या फिर अलग
13:23ट्विटर पर ट्रेंड ही मौजूद होंगे आईएलओ और
13:25आप कोई प्रॉब्लम यस सॉरी फॉर दैट लव आप
13:28अगर आपके पास
13:29कि रिग्रेशन सेटिंग है मालवीय का प्रॉब्लम
13:32स्टेटमेंट यह है कि सीपीआरआई तू देख कि
13:34आपको बताना है कि एनपीए कितना होगा कितने
13:37लाख का प्लेसमेंट होगा तो इन थिस केस अलसो
13:39आप क्या करोगे अपने इनपुट कोई पॉइंट को
13:42सारे मॉडल्स को भेज दोगे अब यह सारे बॉल्स
13:46इंटरनल ही रिग्रेशन मॉडल शहद तो यह आपको
13:49एक नंबर आउट करेंगे 8.13 पॉइंट 2 एफ़ और
13:54पॉइंट वंश 7.5 से पॉसिबल व्हाट ए जोक जोक
13:59ओवरऑल बटन होगा वह क्या करेगा इन सब को ऐड
14:01करके फोर से divide करने का या इन शॉर्ट
14:05में बोल सकता था मीन कैलकुलेट कर देगा और
14:08जैसे आप मीन कैलकुलेट करोगे आपको आपका
14:11आंसर मिल जाएगा
14:13कि सिगरेट तो आइए आपको समझ में आ रहा है
14:16बहुत ही सिंपल सी चीज बहुत ही सिंपल सी
14:18चीज है और बहुत ही इफेक्टिव है ठीक है तो
14:21quora एलियनों को चिकनाई है कि आप खूब
14:23सारे कॉर्ड्स को लाते हो और उन सब से सवाल
14:26पूछते हुए उन सबका आंसर लेते हो और उसे
14:29आंसर के हिसाब से फीट decision-making
14:31करते हो ठीक है दैट इज द फार्मूला आइडिया
14:34तो मैंने यहां पर आपको प्रिडिक्शन वाला
14:35तेज ज्यादा अच्छे से समझाया ट्रेन वाला
14:38पेय बने इसलिए नहीं समझाया क्योंकि
14:40ट्रेनिंग बहुत अलग अलग ढंग से होती है
14:43डिपेंडिंग ऑन कि आप कौन से टाइप कांस्टेबल
14:46अरविंद यूज कर रहे हो तो इसीलिए हम लोग
14:48नेक्स्ट का पढेंगे टाइप्स आफ ऑल पॉसिबल
14:50लर्निंग जाऊं तो मैं आपको डिफरेंट टाइप्स
14:52बताऊंगा और हर्ष टाइटनिंग कैसे होता है वह
14:55लाखों समझाऊंगा ठीक है वह ब्लैक पढ़ने
14:57वाले हैं ओके गाइस सुनाओ लेट्स डिसकस द
15:01डिफरेंट टाइप्स ऑफ ऑन सांभर लर्निंग मैथ्स
15:03फैक्ट्स इन मशीन लर्निंग ठीक है तो पहले
15:06मैं आपको एक चार्ट सौरव बना कर देखा तो और
15:08फिर उसके बारे में थोड़ा और डीटेल्ड
15:10डिस्कशन करेंगे अगर आप नार्मल लिविंग
15:13अलार्म सेट करो फोन पर एक्साइज हमारे पास
15:164 डिफरेंट टाइप्स होते हैं जो सबसे ज्यादा
15:19यूज होते हैं एक्चुअली उनसे ज्यादा है
15:21टाइप बट यह चार सबसे इंपोर्टेंट टाइप से
15:24जो सबसे इजी और काम का टाइम है वह है
15:28वोटिंग ओं
15:30मैं इसको वोटिंग ऑन शाम बल बोला जाता है
15:34लुट ठीक है जिस अकाउंट होता है उसको बोला
15:38जाता है टॉकिंग ओं
15:41कि यह भी बहुत ज्यादा यूज होता है थर्ड जो
15:45शायद सबसे ज्यादा यूज होने वाला है नार्मल
15:47टेक्नीक है उसको बोला जाता है पूछते हैं
15:51एंजल लास्ट है उसको बोला जाता है टेकिंग ए
15:58अच्छा ठीक है यह की चार सबसे बॉटम टेक्निक
16:01आपको नार्मल लेकिन में पढ़नी है और यूज
16:03करनी है ठीक है अब यहां पर अगर आपने कभी
16:08कभी कुछ है मसालों एल्बम से नाम सुने
16:10होंगे तो बैकिंग के अंदर एक famous
16:11हाइब्रिड माताएं इसको बोलते हैं रेंडम
16:13फॉरेस्ट बहुत ही पावरफुल और बहुत ही
16:17यूज़फुल मशीन लर्निंग टेक्नीक है और यह आप
16:20आगे बहुत यूज करने वाले हो ठीक है
16:22बूस्टिंग में भी कुछ बहुत फेमस टेक्निक
16:25जाती हैं जैसे कि अ ब्रूस ली
16:30कि डॉ भूषण कहते हैं इसको नेक्स्ट इस
16:34ग्रेडियंट बूस्टिंग यह भी एक बहुत ही काम
16:36की टेक्नीक है बहुत यूज को
16:40जो अलार्म्स मैंने इस Jio शहर मशीन
16:43लर्निंग कंपटीशन में यूज होता है ट्रेंगल
16:45के ऊपर इसको बोला जाता है एस जी बूज़ इस
16:49टाइम्स और एक स्क्रीन ग्रेडियंट डिसेंट
16:51ठीक है तो इस अगले चार-पांच वीडियोस में
16:54हम लोग यही करने वाले हैं कि हम इन सारे
16:57टाइप्स को बहुत डिटेल में पढ़ेंगे और उनको
17:00यूज करना सीखेंगे ठीक है अब एक डिस्कशन
17:04थोड़ा सा फाल इस चीज के ऊपर की अलग अलग
17:07टाइप क्यों एग्जिट करते हैं यह अलग-अलग
17:10टाइप सिर्फ इसलिए एकजुट करते हैं थोड़ी
17:12देर पहले मैं आपको बताया था कि अंशु बल
17:14लड़ने में सबसे इंपोर्टेंट चीज यह है कि
17:16आपके जो बेस मॉडल से है वह डिफरेंट होने
17:19चाहिए ठीक है तो वह डिफरेंस आएगा कैसे दो
17:24अलग चीज हमने पड़ी टहलना डिफरेंट
17:26अल्गोरिदम यूज करो और दूसरा आप चैनल को कम
17:30यूज करो बट अलग डाटा प्रोवाइडर करो तो
17:33इन्हीं दोनों टेक्निक्स की वजह से यह चार
17:36अलग टाइप सच
17:38कि चिकन मैं आपको रफी जल्दी-जल्दी हल्का
17:43इंट्रोडक्शन देता हूं चारों टेक्निक के
17:45ऊपर सदा टॉप रेडियम आगे एवं डिटेल में
17:48पड़े तो आपको थोड़ा आईडिया हो चीज के बारे
17:50में ठीक है तो लेट्स स्टार्ट में वोटिंग
17:52वोटिंग और संभल सिर्फ इस चीज पर डिपेंड
17:56करता है कि आप के बेस मॉडल साइज डिफरेंट
17:59ठीक है बेस मॉडल स
18:04कि डिफरेंट एल्गोरिथम्स इन ए
18:08है तो यहां पर आप क्या करते हो आप तीन
18:10मामलों अलग-अलग निगम को पकड़ रहे हो एक
18:14ऐसी हम है
18:16कि एक लॉजिस्टिक रिग्रेशन है और एक
18:19डिफरेंट रियर और आपके पास एक डाटा सेट है
18:22लच क्वालिटी के और आप यह सेम डेटासेट
18:26तीरों को देते हो और तीनों मॉडल्स को
18:29ट्रेन करते हो जैसे ही तीनों बॉडी स्ट्रेन
18:32हो जाते हैं और अब मेरे पास कोई नया कोई
18:34पॉइंट आता है अब मैं क्या करूं का यह सेम
18:38कोई पॉइंट को मैं इन तीनों ट्रेन उसको
18:41भेजूंगा का ये अगर क्लासिफिकेशन प्रॉब्लम
18:45है यह तो मैं वोटिंग अकाउंट मेजॉरिटी
18:49अकाउंट के थ्रू निकायों और अगर यह
18:52रिग्रेशन प्रॉब्लम है तो हम मीन कैलकुलेट
18:54कर दूंगा तो बेसिकली लिए वोटिंग बहुत ही
18:56सिंपल है यहां पर आप जो डिफ्रेंस जो
19:00वैरायटी क्रिएट कर रहे हो वह इस फैक्ट से
19:02आता है कि आपके सारे बेस वॉइस आफ डिफरेंट
19:05एल्गोरिदम हेयर ऑइल गेटिंग 80 डाटा तैयार
19:08डिफरेंट एल्गोरिथम्स डिफरेंट एल्गोरिथम्स
19:12वैरायटी इन न्यू यॉर्क ओं सोम विल एनी
19:14टिप्स यू बेटर रिजल्ट्स
19:16एग्स तो यहां का फंडा बहुत सिंपल है
19:19कि अब नेक्स्ट टैब सेटिंग मस्त आइटम इसके
19:22पहले पढ़ो क्योंकि सकिंग वोटिंग के बहुत
19:25ही क्लोज कंसेप्ट शिवलिंग तो वोटिंग आप
19:28क्या करते हो वोटिंग में आप तीन या जितने
19:32भी नंबर आफ एल्गोरिथम्स लेते अलग टाइप के
19:34और उनको सीम टो प्रोवाइड करते हो और जब
19:38आपको प्रिडिक्शन करना होता है तो आप
19:40रिडक्शन कैसे करते हो आप एक नया कोई पॉइंट
19:43सभी को दे देते हो और फिर उस हिसाब से
19:46मेजॉरिटी अकाउंट निकाल लें तो सेटिंग में
19:48अब इस चीज अलग करते हो कि आप यहां पर
19:52सेटअप पर यह सेट अप बट यहां पर आप एक और
19:55मशीन लर्निंग एल्गोरिदम को बिठा देते हो
19:57यहां पर आप एक और मशीन लर्निंग लोगों को
19:59हटा दे तो लिखे अपने बिठा दिया कि इनको
20:03फ्लू से आपने के नेम को यहां पर बिठा दिया
20:06ठीक है अब यह क्या करेगा कि यह
20:11मेरे चैनल मॉडल भी ट्रेन होगा जैसे ट्रेन
20:14लोग ना कि मामलों पहला जवाब अपने ट्रेनिंग
20:19या फिर इसमें जब पहला डाटा भेजा इन तीनों
20:21को तो इसमें क्रेडिट किया1 इस ने ट्वीट
20:25किया जीरो और उसने प्रकट किया वंश राइट तो
20:28आउटपुट कराया1 तो अब चैनल को इनपुट मिलेगा
20:32वह यह मिलेगा कैनन के लिए जो डाटा होगा
20:34जैसे इन तीनों मॉडल्स के लिए जो डाटा है
20:37वह यह डाटा सेट है बट कैन इंक्लूड छोटा
20:40होगा वह योगा एसडीएम ने क्या बोला है लार
20:43में क्या बोला आज लॉजिस्टिक रिग्रेशन है
20:45क्या बोला डिफरेंट तूने क्या बोला और एंड
20:47में रिजल्ट क्या था तो यहां पर वन था यहां
20:50पर जीरो था यहां पर बनता रिजल्ट भी बंद था
20:53अब ब्लैक ट्रेनिंग पॉइंट के लिए मालूम
20:54एसडीएम ने जीरो बोला हेलो आने जीरो बोला
20:56डिफरेंट लिए बोला बट रिजल्ट अभी भी वन था
20:59तो अब यह जो डाटा है यह इस
21:02इस मॉडल को मिलेगा और यह मॉडल इस डाटा पर
21:06ट्रेन होगा और इस डाटा पर ट्रेन होगा कि
21:08वह क्या करेगा उसका मेन काम है इन बेस
21:11मॉडल्स को एक वीर तेजा साइन करना तो इसको
21:14w1 रहेगा इसको w2 रहेगा इसको डब्लू टी
21:18देना सुबह पिछली अब जाकर रहे हो कि आपने
21:21वोटिंग यह बस एक छोटा सा चेंज कर दिया
21:23मतलब डेमोक्रेसी में क्या होता है सभी का
21:25वोटिंग राइट्स बराबर है मेरा वोट भी एक
21:28अकाउंट होगा और मुकेश अंबानी का वोट भी एक
21:30अकाउंट होगा राइट्स बट स्टेप में आप उसे
21:33एक डिफरेंस क्रिएट कर रहे हो कि आप
21:35एनालाइज्स कर रहे हो कि कौन सा मॉडल
21:38ज्यादातर सही बात कर रहा है और आप उसको
21:41ज्यादा वेटेज ढेरों कौन सा मॉडल थोड़ा
21:44गड़बड़ कर रहा है उसको थोड़ा कम वेटेज
21:46ढेरों तो पैसा मानो कि इन अ डिफरेंट
21:49डेमोक्रेसी मुकेश अंबानी का वोट का वेटेज
21:52मेरे वेबसाइट मेरे वोटिंग के रेट से
21:55ज्यादा होगा मतलब उसका जो शेप है वह मेरे
21:58से ज्यादा इंपोर्टेंट होगा क्योंकि जो भी
22:00प्रेजेंस है कि दर्ज कराया और वॉटर
22:02यह तो यहां पर वहीं छात्र लग रहा है इस
22:06मॉडल का काम है इन मॉडल्स का रेट डिसाइड
22:09करना मे डुब साइडर क्योंकि ऐसा यह तीनों
22:12बॉयज बराबर होंगे कोई एक मॉडल ज्यादा
22:14अच्छा होगा तो एक मॉडल खराब होगा तो आप वह
22:17भी देखना चाहिए कि कौन अच्छा है कौन खराब
22:19है तो दिस इस कॉर्ड टाइपिंग ठीक है टेकिंग
22:22और वोटिंग कंसेप्ट श्री सीमेंट बस एक छोटा
22:25सा डिफरेंस आ जाता है स्टार्टिंग में कि
22:27आप मॉडल्स को एडिशनल ब्रिटिश जीक्यू जो कि
22:29वोटिंग नाप नहीं करते वोटिंग में आपके
22:32सारे मॉडल का वेट या फिर से या फिर आउटपुट
22:34बराबर माना जाता है ठीक है आई होप आफ
22:37स्टॉकिंग और रोटिंग समझ में आ नॉलेज टॉक
22:40अबाउट वेडिंग प्रेजेंट थिस वेरी
22:42इंपॉर्टेंट फैन फोल्लोविंग टेक्निक इसके
22:46बारे में भी जल्दी से बात कर लेते सो
22:48बैकुंठ गिफ्ट फुल फॉर्म होता है
22:53यह बाजू स्टैंड्स फॉर बूटस्ट्रैप
22:58ए बुक रात एग्रीगेशन
23:05अच्छा ठीक है फंडा बहुत सिंपल मैं आपको
23:08बताता हूं यहां पर आप के पास जो वैरायटी
23:12आप क्रिएट करते हो वह आप इसकी से क्रिएट
23:14नहीं करता हूं कि आप अलग-अलग बेस मॉडल से
23:16लेते अलग-अलग अल्गोरिदम से लेकर नहीं यहां
23:18पर आप सेम अल्गोरिदम रखते हो जो डिफरेंस
23:21आता है जो वैरायटी आती है वह इस चीज से
23:23आती है कि आप हर मॉडल को अलग डाटा देते हो
23:27डीटेल्स तमिल आइडिया सो आईएफ यू मालवा
23:31आपके पास तीन बेस मॉडल से और यह तीनों के
23:37तीनों एसवीएम सपोर्ट ट्रैक्टर मशीन अ
23:40हैं या फिर लॉजिस्टिक रिग्रेशन अपने ऊपर
23:42कोई प्रॉब्लम नहीं है तीनों सेम मॉडल्स अब
23:45इस पॉइंट पर कोई डिफरेंस ही नहीं है तीनों
23:46एकदम सीएम बनते हैं सेम पढ़ाई करके बैठ
23:49एसएम कॉलेज है अब जब आपके पास डाटा आता है
23:52जब आपके पास डाटा आता है जिसे स्टील तो
23:57मानो डाटा में आपके पास 1000 स्टूडेंट्सं
24:00का टोटा है
24:03है और आपको वैरायटी क्रिएट करने तो आप
24:05क्या करोगे आप बूटस्ट्रैपिंग करोगे
24:07बूटस्ट्रैपिंग का मतलब आप क्या करोगे आप
24:09दोनों को अलग डाटा दोगे इसको t1 दोगे इसको
24:12टू दोगे और स्कूटी होंगे अब ईवन कैसे
24:15बनेगा आपने डिसाइड किया कि मैं हर बॉटल को
24:17500 इंडेक्स डाटा दिखाऊंगा तो आपने क्या
24:19किया रैंडमली इसके अंदर से 500 का डेटा
24:23निकाला और रैंडमली जिसको बूटस्ट्रैपिंग
24:26बहुत है और उसी को अब ईवन बोल रहा हूं और
24:30वही जीवन आपने यहां पर फिट कर दिया ठीक है
24:33फिर अपने क्या किया इन फेज़ का बेटा वापस
24:35अंदर डाल दिया उसी डाटा के अंदर डाल दिया
24:38और आपने फिर से रैंडमली 500 स्टूडेंट्स का
24:41बेटा फिर से निकाला यह टैटू है अब कोई
24:45गारंटी नहीं है कि डी1 और डी3 टू से
24:47मोबाइल सेट बहुत ही प्रोबेबिलिटी कि दोनों
24:49बहुत डिफरेंट डाटा होगा अब आपने टीटू
24:52उठाकर के है
24:54है बॉडी तू मेरे या फिर आपने वापस इन ₹500
24:57डाटा अंदर डाल दिया और फिर अपने थर्ड टाइम
25:00दी थी बनाया 500 इंडेक्स का रिटर्न
25:03रैंडमली निकाल करके और इस निशान को अपने
25:06मौलिक फ्री में दे दिया अब सिम्स है वह
25:08मशीन लर्निंग मॉडल्स बट अगर आप उनको अलग
25:11डाटा दोगे तो अलग ढंग से नहीं होंगे और
25:14अगर अलग ढंग से ट्रेन हो गए तो वैरायटी आ
25:17गई जो हमें चाहिए थी अब इसके आगे का काम
25:19बिल्कुल सफेद अब आपके पास अगर कोई नया
25:21कुड़ी पॉइंट आता है आप वह तीनों को दोगे
25:25तीरों का उपयोग ए मेजॉरिटी अकाउंट निकाल
25:28दोगे या फिर निकालो डिपेंडिंग ओं
25:29प्रॉस्टिट्यूशन एंड आर्टिस्ट्स आफ गेटिंग
25:32हो ठीक है इसी का स्पेशल के सुधर रेंडम
25:35पॉइंट्स रेंडम फॉरेस्ट इज द स्पेशल डेट ऑफ
25:39पैकिंग जहां पर बेस मॉडल जो है वह हमेशा
25:42डिश एंट्रीज होते हैं इन थिस वास डन इन
25:45थिस फॉरेस्ट अ कलैक्शन ऑफ़ ट्रीज ठीक है
25:49अगर आप और कोई दूसरा एल्गोरिदम का ऑन
25:51नार्मल बना रहे हो को पैकिंग बोला जाता है
25:53लेकिन अगर आप
25:54कुनिका बनाते हो तो इसको रेंडम फॉरेस्ट
25:56बोला जाता है यह सबसे बड़ा डिफरेंस है ठीक
25:58है तो यह जो आपको बेकिंग भी समझ में आ गया
26:00कला स्वप्निल बूस्टिंग जो की सबसे पावरफुल
26:04टेक्नीक है
26:06है और सबसे यूज़फुल टेक्नीक है बूस्टिंग
26:10कपड़ा थोड़ा डिफरेंट है बूस्टिंग में भी
26:12आप सेम मॉडल्स लेते हो
26:16थे सेम मॉडल लेते तो मालूम आपने यह आपका
26:20है लवर्स टिफ रिग्रेशन यूपी लॉजिस्टिक
26:23रिग्रेशन यह भी लॉजिस्टिक रिग्रेशन अब
26:26यहां पर हम क्या करते हो कि आप अपना डाटा
26:28उठाते हो और डाटा पहले मॉडल को देते हो
26:33पहला मॉडल्स पर ट्रेन होता है और ट्रिमिंग
26:37के प्रोसेस में वही नॉट डन करता है कि वह
26:40क्या गलतियां कर रहे हैं ठीक है क्या
26:43गलतियां कर रहे हो सकती थी अगर मैं उसको
26:45हजारों स्टूडेंट्स का डेटा दिखाया तो
26:47उसमें कितने सूरज का डेटा गलत प्रिंट किया
26:50वह उस को ध्यान में रखता है और फिर जो
26:53गलतियों उसने की होती है उसको आगे वाले
26:57मॉडल को बता देता है वह बोलता है कि देखो
26:59भाई लिए स्टूडेंट्स है इंच ऊपर मैंने गलती
27:01की टू थोड़ा संभल के काम करना और सिम्स
27:04यज्ञ वाले मॉडल को उस डेटा के बारे में
27:06अलग से समझाया गया कि यहां पर गलती हो रही
27:09है तुम संभल के काम करना तो अब यह मॉडल
27:11क्या करेगा उन गलत पॉइंट्स के ऊपर सही
27:14रिजल्ट्स देखने लग जाता थोड़े इंप्रूव
27:15रिजल्ट करने लग जाता
27:16है बट फिर इसकी गुत्थी गलतियां होती है तो
27:19अपनी गलतियां फ्री अगले वाले को बताते हैं
27:21तो इन्हें वे यू आर बूस्टिंग थे
27:25कि बूस्टिंग योर डाटा
27:27है और अगले वाले को आप हर बार बताते हो और
27:30ऐसे करते करते करते सीरियस में आपको मॉडल
27:33क्या करता है गलती करना कम कर देता है एंड
27:36राकेश बाबू सिंह और थोड़ा कांप्लेक्स
27:38टॉपिक और उसकी बूस्टिंग और विदीन फाइव
27:40मिनिट्स आपको समझा नहीं लूंगा पर जिस
27:42जकूरा आईडिया पहले बॉडी की गलती दूसरा
27:45वाला काम करता है दूसरी बड़ी गलती तीसरा
27:47वाला कम करता हूं और ऐसा सीरियल में करते
27:49चले जाते हो अ एक्चुली यह के टॉप मॉडल अब
27:52एक कॉर्ड जो ओवरऑल गलतियां कम कर रहे हैं
27:54ठीक है तो बूस्टिंग डिटेल में पढेंगे तो
27:57इट इज द मोस्ट पावरफुल मशीन लर्निंग और
28:00इधर चकली 100 यह अच्छे से पढ़ने वाले रोड
28:04वरी अबाउट को राय यही है फेस आफ थे
28:07डिफरेंट टाइप्स आफ कॉफी नार्मल टेक्निक जो
28:09आपको पढ़नी है कि साइज चार्ट और फिर इनके
28:12अंदर और डिफरेंट वर्ड्स बट यह कोई क्लीयर
28:16कट ओवर यू दे दिया ठीक है अब इस पॉइंट को
28:18आपके दिमाग में थोड़ा तो क्वेश्चन आ रहा
28:20होगा कि है बट ट्यून ट्यून काम करता है और
28:24चंबल लड़ने की संख्या है कि शहीद काम कर
28:26रहें अच्छे रिजल्ट दे रहे हैं
28:27में एक मॉडल से ज्यादा अच्छा रिजल्ट
28:29मल्टीपल मॉडल्स से पहले यह मैं आपको नैक
28:32सेक्शन में बताता हूं यहां पर हम डिस्कस
28:34करेंगे व्हाय कैन सोम वन लर्निंग वह ठीक
28:37है सॉर्स अपने आप को एकदम मशीन लगने के
28:41पर्सपेक्टिव से समझाने का ट्राय करता हूं
28:42कि कौन सा बल जमीन क्यों काम कर पाता है
28:45ठीक है कि मुझे बहुत बढ़िया इमेज में लिया
28:48गूगल सर्च करने पर पहले मैं आपको
28:50क्लासिफिकेशन के टांगों समझाता हूं और फिर
28:52आपको रिग्रेशन के पास मैं समझा लूंगा तो
28:55अगर आप क्लासिफिकेशन की बात करोगे तो
28:57मालूम आपके पास के डाटा सेट है ठीक है तो
28:59यहां पर 3 Alag क्लास है स्क्वेयर एक
29:03क्लास है ट्रायंगल क्लासेज साइक्लिक क्लास
29:05और जो ब्लैक एंड व्हाइट है वह ट्रेनिंग
29:09डाटा है और जो ग्रीन वाला है टेस्टिंग
29:13डाटा और यह आपका मॉडल वन है दिस इज मॉडल
29:16मन ठीक है कोई भी मॉडल हो सकता है यह और
29:19यह इस मॉडल की डिप्रेशन बाउंड्री है
29:22के अकॉर्डिंग टो मॉडल ओन दिस इज एडिसन
29:26बाउंड्री क्लास इस तरीके से प्लेट होगी
29:29ठीक है अब आपने सिम डाटा के ऊपर मॉडल
29:33टुकुर ट्रेन किया और मॉडल तूने बोला कि
29:36आपकी डिश रिमाइंडर यह होनी चाहिए अपने
29:39सीने के हिसाब से अपने ट्रेनिंग के हिसाब
29:41से दृष्ट पीला डिसीजन वृक्ष और जब अपने से
29:44अमरीका के ऊपर मॉडल 31 थर्ड मॉडल को
29:46ट्रेंड किया तो उसने बोला डिसीजन डोंगरी
29:49कुछ ऐसी होनी चाहिए टाइट अब अगर आप इन
29:53तीनों एडिसन डोंगरी इसको एक के ऊपर एक रख
29:55दो तो आपको कुछ ऐसा दिखाई देगा यह उन
29:59तीनों की डिसीजन माउंटेन शीट थोड़ा सा
30:01डिफेंस हम तीनों के ओपिनियन में थोड़ा सा
30:04डिफरेंस है राइट अब ओंस सोमबॉडी क्या
30:07करेगा मेजॉरिटी कंट्री यूज करके इट विल
30:09यूज दिस कॉन्सेप्ट आफ मेजॉरिटी अकाउंट और
30:13मैच्योरिटी अकाउंट लगाने से क्या हो रहा
30:14है कि यह जो जिससे रिमाइंडर है यू कैन सी
30:17थोड़ी स्मूद हो गई
30:19का या इनपुट कहा जा सकता है कि जो यह थी
30:22उससे बैटर हो गई इन थिस हाउ मशीन लर्निंग
30:26में ओन संभल लर्निंग बॉक्स ठीक है मल्टीपल
30:29मॉडल्स का डेटा उठाना है और उनकी डिविजन
30:32मीटिंग में जो 9ice है उसको हटा करके आपको
30:36एक बढ़िया मॉडल निकाल कर देना है एंड
30:38आर्टिस्ट बॉक्सिंग क्लासिफिकेशन ठीक है
30:40सैम चीज आप रिग्रेशन अमेज़न कर सकते हो
30:42मानो यह डाटा सेट है और आपको एक रिग्रेशन
30:45मॉडल चाहिए अब अलग-अलग मॉडल अलग-अलग चीजें
30:49बोल रहे हैं यह एक मॉडल जो बोल रहा है कि
30:51इस एंगल पर होना चाहिए ग्रीन वाला बोल रहा
30:53है थोड़ा और ऊपर होना चाहिए रेड ऑरेंज कुछ
30:55और बोल रहे हैं बट आप जाकर उन सबका मीन
30:59calculate करते रोमीन जैसे आप चॉकलेट कर
31:01रहो हो तो आप ही बीच में यहां पर आए हो तो
31:05इस लाइन है
31:06अच्छा ठीक है और यह ना इतना स्क्रीन है इस
31:09निरीक्षण में और इस सेक्शन में इतना
31:11फैक्ट्री में यह बीच में एक मॉडल है जो इन
31:14सारे मॉडल से अच्छा परफॉर्म करेगा
31:16अनलिमिटेड टाइम ट्यूशन मतलब इधर को समझाने
31:19का नहीं है बस की फोटोस यह इमेजेस देख
31:21करके आपके दिमाग में इनट्यूशन आने लग
31:23जाएगा कि क्यों नार्मल लर्निंग काम कर
31:26पाता है ठीक है तो अब मैं आपको समझा पाया
31:28अब हम लोग मिक्स करते हैं व्हाट आया था कि
31:31बेनिफिट्स आफ यूजिंग कौन सा नंबर लर्निंग
31:34सुबह इस नाव लिप्स डिसकस द बेनिफिट्स आफ
31:37यूजिंग ऑन 100MB टेक्निक्स अब देखो एक
31:40clear-cut डिसएडवांटेज पेरेंट्स कर लेते
31:43हैं क्योंकि एक बड़ा डिसएडवांटेज तो है एक
31:46बार वीडियो कॉल करके सूचित किया है वह
31:47बड़ा एडवांटेज और डिसएडवांटेज यह है कि
31:50अगर आपको कॉफी नार्मल टेक्निक यूज करना है
31:54इट मींस आपको मल्टीपल मॉडल्स ट्रेंड करने
31:56पढेंगे तो जहां पहले आप सिर्फ एक मॉडल
31:58ट्रिम करके अपना काम निकालते थे अब वहां
32:00पर आप मल्टीपल मॉडल्स प्रेम कर रहे हो और
32:02इसलिए आप ज्यादा बॉडी स्ट्रेन करोगे तो
32:04कंप्यूटेशनल कांपलेक्स की बढ़ता है ट्राई
32:06व्हिच इज नॉट ए गुड थिंग तो इसका मतलब कुछ
32:09तो सॉरी नेटवर्क टेस्ट होना चाहिए इसकी
32:11फैमिली को यूज करेंगे क्योंकि अगर एक ऑफ
32:14बेस्ट प्रेसिडेंट एस है तो फिर यूज करने
32:17के लिए बड़ा एडवांटेज होना चाहिए तो आप
32:19यहां पर एडवांटेजेस है सबसे पहला डोंट इंच
32:22तो आपको क्लीयर यह मैंने अभी तक पोल दिया
32:25है डिटेल्स इंप्रूवमेंट इन परफॉरमेंस है
32:30थे इंप्रूवमेंट इन परफॉर्मेंस सबसे बड़ा
32:33तो यही है
32:36और दूसरा जो है वह है
32:38का बायस और रिलायंस
32:42कि को रिड्यूस करता है अपने आईएस बादशाह
32:46बेगम पढ़ लिया होगा मशीन लर्निंग मॉडल का
32:47काम होता है प्रीडिक्शन करना प्रोडक्शन
32:50में हेयर साथ और हेयर्स दो टाइप के होते
32:53हैं या तो वह बायस होता है या तो वे यशोधर
32:56बाय इसका मतलब स्क्रीनिंग डाटा पर ही
32:58रिजल्ट अच्छा नहीं आ रहा वे इसका मतलब है
33:00कि जो आपका मॉडल है वह अलग डाटा पर बहुत
33:03अलग है साइड से है वह करने बहुत ज्यादा
33:05वैरियेंस है यह दो टाइप के एड्रेस आपके
33:07होते हैं राइड अब आपका जो गोल होता है
33:12मशीन लर्निंग में एंड गोल जो है प्लांट
33:14मशीन लाइटिंग व है तो है आप लोग बायस मतलब
33:19ट्रेनिंग डाटा पर ज्यादा नहीं आना मतलब
33:22कमरा आनंद प्लस लुटियंस मतलब अगर आप डाटा
33:26में चेंजेस कर रहे हो तो मॉडल का भगवान
33:29बहुत ज्यादा चेंज नहीं होना चाहिए आपके
33:31एंड होते हैं तो वन फॉर्म भरने क्या करता
33:35है कि आपको यह चीज करके देता है तो अगर
33:39आपके पास एक ऐसा मॉडल है जो कि
33:42हेलो बायस
33:44हैं बट आई विलियम्स मॉडल है मतलब ट्रेनिंग
33:49डाटा पर बहुत कम गलती करता है बट अगर
33:51अपडेटर चेंज करोगे तो उसकी गलती बढ़ जाती
33:53है तो इस तरह का मॉर्निंग जैसे कि कोई
33:55डिसीजन ट्री मॉडल बोल सकते हैं इससे
33:57ट्रेडिशनल लोग आई वेरी स्मार्ट तो आप अगर
34:00इसके ऊपर और कंबल वेडिंग लगाओगे तो वह
34:02क्या करेगा लो वायर्स को तो लोग बायरस्की
34:05रहने देगा बटरफ्लाई प्रिंस को लो
34:08वेरियंट्स में कंवर्ट कर देगा इंस्टॉल
34:10आपको यह चीज बना कर देगा जो आपको चाहिए लो
34:13पायस लो बैलेंस और सिमिलरली अगर आपके पास
34:15कोई हाई पायस है
34:19के लुटियंस मॉडल है जैसे कि लॉजिस्टिक
34:22रिग्रेशन कैलीबरेशन इन दैट केस वह Bigg
34:25Boss को लोग आपस में कंवर्ट कर दे का यह
34:29लो बैरियर्स को वैसा का वैसा ही रहने देगा
34:31अगेन इन शॉर्ट आपको यह चीज देने का या तो
34:34जो अप्लाइड मशीन लर्निंग का सबसे बड़ा
34:36चैलेंज होता है कि बायस और वेल इन दोनों
34:39को रिड्यूस करना है वह जनरली पॉसिबल नहीं
34:42होता क्योंकि एक को बढ़ाने से दूसरा घट
34:44जाता है साइड आफ इन्वर्सली प्रोपोर्शनल
34:46यूनिवर्स रिलेशनशिप होता है उस चीज को आप
34:50मतलब अचीव करने में यह जो डिफिकल्ट काम है
34:53उसको अजीब करने में कौन सा बल लर्निंग
34:55हेल्प करता है यह वाला पॉइंट हमने थोड़ा
34:57और डिटेल में डिस्कस करेंगे जब हम लोग और
34:59यह सारी टेक्निक्स वन बाय वन पढेंगे बट इस
35:02पॉइंट यह समझ लो कि लो वापस लो मीडियम सच
35:05करने में ऑल प्रोबलम इन आपको हेल्प करता
35:07है जिस क्वाइट डिफिकल्ट थिंग टो अच्छी चीज
35:09ठीक है और जो थर्ड सबसे इंपोर्टेंट चीज है
35:13वह ऐरो बस
35:18मैं जॉब मॉडल होता है वह एकदम अलग टाइप के
35:20डाटा के लिए रोबर्स हो जाता है अपडेट हमें
35:22बहुत चेंज कर दोगे तो आपका परफॉर्मेंस
35:25बहुत ज्यादा इधर से उधर नहीं होता किंतु
35:27से रिलेटेड टो वायलेंस बट प्रोसेस कोई अलग
35:30ढंग से बताया जाता है यूज किया जाता है एक
35:32ऐसा की पॉइंट की बेनिफिट्स आफ यूजिंग
35:35अंसिबल लर्निंग ठीक है अब आपको यहां तक सब
35:38कुछ समझ में आ रहा है कि इन थे लास्ट
35:40पॉइंट विल डिसकस इन थिस वीडियो इसकी कब
35:43यूज करना चाहिए कॉफी नार्मल हम इनको मैं
35:48आपको इन शॉर्ट है 90 तो डांसर्स वॉल्वेस
35:53धुंध तुम नोट यूज अगर आप किसी कंपनी में
35:58डाटा साइंटिस्ट हो तो अपने प्रोजेक्ट में
36:02आपको यूज करना ही चाहिए और सौम्य रंजन
36:04रिलीफ फ्रॉम पर्ल रनिंग सारी चीजें करने
36:06के बाद लास्ट में ट्राय किया जाता है जब
36:08अपने डाटा क्लीनिंग कर लिया
36:09प्रीप्रॉसेसिंग कर लिया फीचर इंजीनियरिंग
36:11लगा लिया मॉडल बेल्ट कर लिया रिवॉल्यूशन
36:13कर लिया लास्ट में आप लगाओ एक बार कंफर्म
36:16लर्निंग एंड यू डियर
36:18कि आपका रिजल्ट मोस्ट आफ थे टाइम्स
36:19इंप्रूव कर जाएगा ठीक है तो इन थिस वास
36:22वाकिंग इन कंपनीज ट्यूशन फॉर लर्निंग और
36:26इसके वर्क इन मैकेनिकल कंपटीशन तो वहां पर
36:30भी आपको और संभल नहीं लगाना चाहिए सेट
36:32चैनल कंपतिसन इसीलिए फेमस हैं वहां पर
36:36क्योंकि वहां पर लॉग ऑन चंबल नदी लगा करके
36:38बहुत बढ़िया रिजल्ट निकाल पा रहे थे ठीक
36:40है एक नींबू स्कैंडल की वजह से बहुत फेमस
36:43हुआ ठीक है शॉर्ट मैंने आपको पूरा
36:46इंट्रोडक्शन दिया कॉफी लर्निंग का अब हम
36:49लोग क्या करेंगे एक-एक कर के सारे ऑन
36:51शामिल टेक्निक पढेंगे विल्स कार्ड विथ
36:53वोटिंग फिर हम लोग बैटिंग करेंगे फिर
36:56रेंडम फॉरेस्ट उसके बाद बूस्टिंग वाले
36:58एल्गोरिदम और लास्ट में कुछ टॉकिंग पड़ाव
37:01का यह गोल इसकी आपको बढ़िया से नार्मल
37:04रनिंग समझ में आनी चाहिए आप इसको यूज कर
37:07पाओ मैं आपको इस तरीके से बनाऊंगा और गैस
37:09सोंठ अगर आपने एक बार यह पढ़ लिया ना तो
37:12फिर कई बार आपको डिप लड़ने की भी जरूरत
37:14नहीं पड़ती है मतलब जितना मैंने अपना
37:16एक्सपीरियंस पर देखा है अगर आप
37:18आधा छोटा सेट है तो 98% टाइम्स आपके ऑन
37:22नार्मल टेक्निकल को रिदम्स डीप लर्निंग को
37:24पीटकर जाते हैं बट अगर बड़ा डाटा को फोल्ड
37:26करनी है इसे डिफरेंट थैंक सोया हो मैंने
37:31आपको ए clear-cut बर्ड्स आई व्यू दिया
37:34पूरे के पूरे नार्मल टेक्निक के बारे में
37:36इस लाइक दिस वीडियो गाइस प्लीज कंसीडर
37:39सब्सक्राइब सिंह थैंक्स फॉर वाचिंग माय

About this transcript

This page contains the full transcript of Introduction to Ensemble Learning | Ensemble Techniques in Machine Learning by CampusX, generated from the public captions YouTube serves with the video. The transcript has 6,502 words across 815 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.