
Раздел 1. Полезно знать
Рассмотрим несколько тем, без которых в машинном обучении никак нельзя обойтись.
- Метрики классификации и дисбаланс классов
- Выбор и настройка модели
- Конструирование признаков
Раздел 2. Изучаем алгоритмы
Мы изучили достаточно теории. Пора вернуться к практике.
- Метод опорных векторов
- Алгоритм k-ближайших соседей
- Алгоритм k-средних
- Наивный байесовский классификатор
- Дерево решений
Раздел 3. Ансамбли моделей
- Параллельные методы: voting, bagging
- Алгоритм случайного леса
- Последовательные методы: бустинг
- Адаптивный бустинг
- Градиентный бустинг
- Стэкинг