Машинное обучение


1. Машинное обучение. Введение
Автор: Деникина Н.В., Деникин А.В.
2. Линейная регрессия
Автор: Деникина Н.В., Деникин А.В.
3. Логистическая регрессия
Автор: Деникина Н.В., Деникин А.В.
4. Оценка качества классификации
Автор: Деникина Н.В., Деникин А.В.
5. Деревья решений
Автор: Деникина Н.В., Деникин А.В.
6. Деревья решений. Читаем и разбираем JSON
Автор: Деникина Н.В., Деникин А.В.
7. Первые модели. Решение задач
Автор: Деникина Н.В., Деникин А.В.
8. Кластеризация. Алгоритм K-Means
Автор: Деникина Н.В., Деникин А.В.
9. DBSCAN: Кластеризация на основе плотности
Автор: Деникина Н.В., Деникин А.В.


Линейная регрессия

№Список задач модуляТип заданияОтметка о выполнении
1 Линейная регрессия Тетрадь с теорией
2 Как компьютер находит линию (коэффициенты k и b) Тетрадь с теорией
3 Понятие ошибки: визуализация Тетрадь с теорией
4 Ищем лучшие k и b. Упражнение 1. Пишем функцию вычисления ошибки Задача на вставку кода
5 Ищем лучшие k и b. Задача 1. Метод 1. Полный перебор Задача на вставку кода
6 Ищем лучшие k и b. Метод 2: математика! Тетрадь с теорией
7 Задача 2. Пишем линейную регрессию самостоятельно Задача на вставку кода
8 Задача 3. Предсказываем Задача на вставку кода
9 Проблема переобучения Тетрадь с теорией
10 Градусник предсказатель Тетрадь с теорией
11 Градусник предсказатель. Выводы Тетрадь с теорией
12 Коэффициент детерминации R^2 Тетрадь с теорией
13 Пишем функцию для расчета коэффициента детерминации (R^2) Задача на программирование
14 Знакомство с scikit-learn Тетрадь с теорией
15 Библиотека sklearn и линейная регрессия Тетрадь с теорией
16 Три главных метода работы с моделью. Метод 1: .fit() - Обучение модели Тетрадь с теорией
17 Три главных метода работы с моделью: Метод 2. predict() - Предсказание Тетрадь с теорией
18 Три главных метод работы с моделью. Метод 3: .score() - Оценка качества Тетрадь с теорией
19 Задача. Время-оценка Задача на программирование