Предыдущий урок: Урок 9. Как понять, что модель работает хорошо — метрики, ошибки и проверка качества Мы дошли до последнего урока, и теперь самое время собрать всё, чему мы научились, в один большой практический проект. Это будет не просто “ещё одна статья”, а полноценный пример того, как создаются реальные ML-системы: от понимания данных — до готовой модели, оценивающей медицинские параметры. Вместо недвижимости, как в предыдущих уроках, мы возьмём датасет о диабете, который входит в стандартную библиотеку sklearn. Это реальный медицинский набор данных с настоящими измерениями пациентов, просто обезличенный. К этому уроку ты умеешь: Теперь соберём всё это в финальный проект. Мы будем прогнозировать показатель прогрессирования диабета через год, основываясь на ряде физиологических измерений пациента. Это регрессионная задача: модель должна предсказать численное значение. Если бы это был медицинский аналитический инструмент, он мог бы: Мы не будем строить медицинскую систему (это требу
Публикация доступна с подпиской
Базовый