ML для продолжающих

Раздел 1. Полезно знать

Рассмотрим несколько тем, без которых в машинном обучении никак нельзя обойтись.

  1. Метрики классификации и дисбаланс классов
  2. Выбор и настройка модели
  3. Конструирование признаков

Раздел 2. Изучаем алгоритмы

Мы изучили достаточно теории. Пора вернуться к практике.

  1. Метод опорных векторов
  2. Алгоритм k-ближайших соседей
  3. Алгоритм k-средних
  4. Наивный байесовский классификатор
  5. Дерево решений

Раздел 3. Ансамбли моделей

  1. Параллельные методы: voting, bagging
  2. Алгоритм случайного леса
  3. Последовательные методы: бустинг
  4. Адаптивный бустинг
  5. Градиентный бустинг
  6. Стэкинг