Введение в машинное обучение
с использованием Python

1 2 3 4 5 6 7 8 9 10 11

Шаг 163. Метрики качества модели и их вычисление. Метрики для бинарной классификации. Рабочая характеристика приемника (ROC) и AUC (окончание)
Шаг 164. Оценка и улучшение качества модели. Метрики качества модели и их вычисление. Метрики для мультиклассовой классификации
Шаг 165. Оценка и улучшение качества модели. Метрики качества модели и их вычисление. Метрики регрессии
Шаг 166. Оценка и улучшение качества модели. Метрики качества модели и их вычисление. Использование метрик оценки для отбора модели
Шаг 167. Оценка и улучшение качества модели. Выводы и перспективы
Шаг 168. Объединение алгоритмов в цепочки и конвейеры (общие сведения)
Шаг 169. Объединение алгоритмов в цепочки и конвейеры. Отбор параметров с использованием предварительной обработки
Шаг 170. Объединение алгоритмов в цепочки и конвейеры. Построение конвейеров
Шаг 171. Объединение алгоритмов в цепочки и конвейеры. Использование конвейера, помешенного в объект GridSearchCV
Шаг 172. Объединение алгоритмов в цепочки и конвейеры. Небольшой пример, иллюстрирующий утечку информации
Шаг 173. Объединение алгоритмов в цепочки и конвейеры. Общий интерфейс конвейера
Шаг 174. Объединение алгоритмов в цепочки и конвейеры. Общий интерфейс конвейера. Построение конвейеров с помошью функции make_pipeline()
Шаг 175. Объединение алгоритмов в цепочки и конвейеры. Общий интерфейс конвейера. Работа с атрибутами этапов
Шаг 176. Объединение алгоритмов в цепочки и конвейеры. Общий интерфейс конвейера. Работа с атрибутами конвейера, помешенного в объект GridSearchCV
Шаг 177. Объединение алгоритмов в цепочки и конвейеры. Нахождение оптимальных параметров этапов конвейера с помошью решетчатого поиска
Шаг 178. Объединение алгоритмов в цепочки и конвейеры. Выбор оптимальной модели с помошью решетчатого поиска
Шаг 179. Объединение алгоритмов в цепочки и конвейеры. Выводы и перспективы
Шаг 180. Работа с текстовыми данными (общие сведения)


1 2 3 4 5 6 7 8 9 10 11