Машинное обучение

9853 подписчика

🏷 Ресурсы, которые дадут очень прочную основу для начала работы с машинным обучением.

Набор тем, ранжированных по темам.

Градиентный спуск

Метрики — классификация

▪Матрицы неточностей, точность, прецезионность, recall, чувствительность

▪F1-оценка

▪TPR, TNR, FPR, FNR

▪Ошибки I и II типов

▪Кривые AUC-Roc

Метрики — регрессия

▪Общая сумма квадратов, объясненная сумма квадратов, остаточная сумма квадратов

▪Коэффициент детерминации и его скорректированная форма

▪Преимущества и недостатки RMSE, MSE, MAE, MAPE

Компромисс отклонение-дисперсия, Over/Under-Fitting

▪Метод k-ближайших соседей

▪Random Forests

▪Асимптотические свойства

▪Проклятие размерности

Выбор модели

▪k-Fold кросс-Валидация (перекрестная проверка)

▪L1 и L2 регуляризация

▪Байесовская оптимизация

Sampling

▪Классовый дисбаланс при обучении классифицирующих моделей

▪Несбалансированность классов в независимых переменных

▪Систематическая ошибка выборки

Модели регрессии

▪Глубокие нейронные сети для проблем регрессии

▪Случайная лесная регрессия

▪Регрессия XGBoost

▪ARIMA / SARIMA

▪Байесовская линейная регрессия

▪Регрессия на основе гауссовского процесса

Алгоритмы кластеризации

▪Метод К-средних

▪Иерархическая кластеризация

▪Процессы Дирихле

Классификационные модели

▪Логистическая регрессия

▪Множественная регрессия

▪Метод опорных векторов

@machinelearning

1 минута

11 марта 2023

425 читали