Лекция 4. Архитектура нейронных сетей прямого распространения. 

Спасибо за новое видео!

Вадим Леонардович, как Вы считаете, есть ли смысл при обучении модели с рандомизацией (например, RF) выбирать наблюдения, предварительно их кластеризовав и формировать подвыборку с учетом принадлежности к кластерам? Суть в том, чтобы обеспечить максимальную "равномерность" подвыборки.

Вадим Леонардович, есть такой вопрос. Не по теме видео совсем, извините. Во всех топиках по ML, с которыми я разбирался, датасет дается как изначальная данность, сразу целиком. Однако, например в маркетинговых исследованиях датасет формируется постепенно, респонденты приходят на сайт и участвуют в опросе и база результатов опроса копится. У аналитика есть возможность взять предварительную базу (скажем 20% выборки), поработать с ней и по результатам работы скорректировать опросник для оставшейся выборки. А есть ли методы ML, которые решают подобные задачи, то есть как бы коррекция сбора данных в зависимости от «предварительного анализа»? Если да, то как они называются, по каким ключам их можно найти? Мой поиск не дал результатов. Не подскажите ли, исходя из Вашего опыта?