I.Kashirin

Подготовка данных и машинное обучение

Подготовка данных для интеллетуального анализа данных (рабочие материалы),

описание основных методов классификации, характеристики качества (точности) обучения

Открыть (скачать) прикрепленные материалы:
Почти все об оценках точности (Кроме графиков)	[Из внешнего ресурса]	36 kB
Автотюнинг гиперпараметров моделей	[Из внешних ресурсов + программа Каширин И.Ю.]	1293 kB
Методы классификации	[Машинное обучение]	3476 kB
Примеры классификации и кластеризации	[На основе студенческих работ]	857 kB
Что такое кластеризация	[Из внешнего ресурса]	15 kB
Матрица ошибок для оценки качества модели	[Из внешнего ресурса]	764 kB
Подготовка данных	[Машинное обучение]	2654 kB
Распределение плотности признака №1	[Каширин И.Ю.]	2118 kB
Распределение плотности признака № 2	[Каширин И.Ю.]	3513 kB
Ансамбли: блэндинг, стекинг, беггинг, бустинг	[Из внешнего ресурса]	4255 kB
Оптимизация признакового пространства (программа)	[Каширин И.Ю.]	771 kB
Кривая ROC и характеристика AUC	[Материалы из Хабра]	169 kB
Свойства знаний	[Отличие от данных]	36 kB
Материалы для лабораторны работ по машинному обучению	[Проектирование интеллектуальных информационных систем]	14515 kB
Задание для лабораторных работ и курсового проекта по ММО	[Дисциплина "Методы машинного обучения"]	19 kB
Лекция о калибровке ML-моделей	[Каширин И.Ю. + I-net]	895 kB
Корректировка весов нейросети	[Лабораторная работа 2]	253 kB
Оценка точности. Программная реализация сложных случаев.	[Из внешнего ресурса]	68 kB
Параметры метода опорных векторов на русском	[Машинное обучение]	25 kB
Полный анализ данных без обучения	[Программа на Python + Dataset]	214 kB
Полный анализ датафрема пока без обучения	[Из внешнего ресурса]	31 kB
Оптимизация признакового пространства	[Из внешних ресурсов]	20 kB