Введение в машинное обучение
с использованием Python

1 2 3 4 5 6 7 8 9 10 11

Шаг 19. Введение. Первый пример: классификация сортов ириса. Метрики эффективности: обучающий и тестовый наборы
Шаг 20. Введение. Первый пример: классификация сортов ириса. Анализ исходных данных
Шаг 21. Введение. Первый пример: классификация сортов ириса. Построение первой модели: метод k ближайших соседей
Шаг 22. Введение. Первый пример: классификация сортов ириса. Построение первой модели: получение прогнозов
Шаг 23. Введение. Первый пример: классификация сортов ириса. Построение первой модели: оценка качества модели
Шаг 24. Введение. Первый пример: классификация сортов ириса. Построение первой модели: выводы и перспективы
Шаг 25. Методы машинного обучения с учителем (общие сведения)
Шаг 26. Методы машинного обучения с учителем. Классификация и регрессия (общие сведения)
Шаг 27. Методы машинного обучения с учителем. Обобщающая способность, переобучение и недообучение
Шаг 28. Методы машинного обучения с учителем. Взаимосвязь между сложностью модели и размером набора данных
Шаг 29. Методы машинного обучения с учителем. Алгоритмы машинного обучения с учителем (общие сведения)
Шаг 30. Методы машинного обучения с учителем. Алгоритмы машинного обучения с учителем. Некоторые наборы данных
Шаг 31. Методы машинного обучения с учителем. Алгоритмы машинного обучения с учителем. Метод k ближайших соседей. Классификация с помошью k соседей
Шаг 32. Методы машинного обучения с учителем. Алгоритмы машинного обучения с учителем. Метод k ближайших соседей. Анализ KNeighborsClassifier
Шаг 33. Методы машинного обучения с учителем. Алгоритмы машинного обучения с учителем. Метод k ближайших соседей. Регрессия k ближайших соседей
Шаг 34. Методы машинного обучения с учителем. Алгоритмы машинного обучения с учителем. Метод k ближайших соседей. Анализ модели KNeighborsRegressor
Шаг 35. Методы машинного обучения с учителем. Алгоритмы машинного обучения с учителем. Метод k ближайших соседей. Преимущества, недостатки и параметры
Шаг 36. Методы машинного обучения с учителем. Алгоритмы машинного обучения с учителем. Линейные модели (общие сведения)


1 2 3 4 5 6 7 8 9 10 11