ML для продолжающих | Машинное обучение

ML для продолжающих

Раздел 1. Строим алгоритмы

Мы изучили достаточно теории. Пора вернуться к практике создания алгоритмов.

  1. Метод опорных векторов
  2. Алгоритм k-ближайших соседей
  3. Алгоритм k-средних
  4. Naive Bayes
  5. Решающее дерево
  6. Ансамбли моделей

Раздел 2. Настройка модели

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

  1. Перекрестная валидация
  2. Настройка гиперпараметров
  3. Метрики классификации
  4. Дисбаланс классов

Раздел 3. Продвинутая обработка данных

  1. Алгоритмы выявления выбросов
  2. Кодирование категориальных переменных