Практические лабораторные работы по машинному обучению
Начинающий
В этом курсе содержится множество лабораторных работ по машинному обучению. Каждая лабораторная работа представляет собой небольшой проект по машинному обучению с подробными инструкциями и решениями. Вы можете практиковать свои навыки в области машинного обучения, выполняя эти лабораторные работы, улучшить свои навыки программирования и научиться писать чистый и эффективный код.
pythonsklearndata-science
💡 Этот учебник переведен с английского с помощью ИИ. Чтобы просмотреть оригинал, вы можете перейти на английский оригинал
- Введение
- Программа
Корректировка под случай при оценке качества кластеризации
Калибровка вероятностей классификаторов
Построение причинной интерпретации
Ансамбль классификаторов-цепочек
Сегментация греческих монет с использованием спектральной кластеризации
Scikit-Learn Column Transformer
Сравнение методов Manifold Learning
Техники кросс-валидации с использованием Scikit-Learn
Сравнение стратегий по уменьшению размерности
Модель смеси Гауссовых распределений
Оценка плотности с использованием моделей смеси гауссов
Модель смеси Гауссовых распределений для синусоидальной кривой
Интервалы прогноза для градиентного бустинга в регрессии
Регуляризация градиентным бустингом
Денойзинг изображений с использованием обучения словаря
Индуктивная кластеризация с использованием Scikit - Learn
Двоичная классификация цветов Ириса с использованием SVM
Кластеризация K-Means++ с использованием Scikit-Learn
Полусupervised обучение с использованием алгоритма распространения меток (Label Spreading)
Scikit-Learn: путь Lasso
Поддержка векторов в LinearSVC
Понимание сложности модели
Завершение изображений лиц с использованием многорезультатных оценщиков
Снижение размерности с использованием анализа соседних компонентов
Пример линейной регрессии с разреженностью
Дисперсия обычного наименьших квадратов и Ridge - регрессии
Одноклассовая SVM для обнаружения новизны
Расширенное построение с использованием частичной зависимости
Анализ главных компонент для датасета Iris
Построение важности признаков при перестановке
Важность перестановок на наборе данных о раке груди
Интерполяция полиномов и сплайнов
Задержка прогноза с использованием оценщиков Scikit-Learn
Робастная оценка линейной модели
Настройка параметров SVM с ядром RBF
Регирессия на основе ближайших соседей
Пример Регуляризованной линейной регрессии (Ridge Regression) с использованием Scikit-Learn
Сравнение выпуклых функций потерь
Построение графика функции принятия решений для взвешенного набора данных
Объединение предсказателей с использованием Stacking
Визуализация структуры фондового рынка
Классификация данных с использованием SVM Kernel
Изучение параметров линейной SVM
Нелинейная классификация с использованием метода опорных векторов (SVM)
Визуализация высокомерных данных с использованием t-SNE
Сравнение различных энкодеров категориальных признаков
Поддерж向量ная машина с взвешенными выборками
Обнаружение нововведений и выбросов с использованием Scikit-Learn
Снижение размерности методом случайной проекции
Подгонка кривых с использованием байесовской регрессии с убывающим коэффициентом
Классификация ближайших соседей
Изучение алгоритма K-Means Clustering с использованием Python
Сравнение методов кросс-разложения
Построение априорного распределения концентрации
Классификация SVM с использованием пользовательского ядра
Кросс-валидация на наборе данных digits
Агломерация признаков для высокомерных данных
Агломеративная кластеризация на наборе данных цифр
Сравнение F-теста и взаимной информации
Векторное квантование с использованием KBinsDiscretizer
Декомпозиции набора данных лиц
Классификация с помощью гауссовского процесса на наборе данных Iris
Классификация с использованием гауссовых процессов
Классификация гауссовским процессом на наборе данных XOR
Нелинейная прогностическая модель с использованием Гауссовского процесса
Подгонка модели регрессии с гауссовым процессом
Регирессия с гауссовым процессом: ядра
Раннее прекращение градиентного бустинга
Разделение смешанных сигналов на исходные компоненты
Анализ независимых компонент с использованием FastICA и PCA
Классификация цветов Ириса с использованием Scikit-learn
Классификатор SVM на наборе данных Iris
Простая одномерная оценка плотности вероятности с использованием ядра
Активное обучение с использованием распространения меток
Lasso и Elastic Net
Алгоритмы классификации Дискриминантного Анализа
Иерархическая кластеризация с использованием Scikit - Learn
Локальный фактор аномальности (Local Outlier Factor) для обнаружения новизны
Обнаружение выбросов с использованием LOF
Модель логистической регрессии
Путь регуляризации L1-логистической регрессии
Сравнение оценщиков ковариации
Робастная оценка ковариации и связь с расстояниями Махаланобиса
Многообразиевое обучение на сферических данных
Совместный подбор признаков с использованием Lasso для многозадачности
Пример линейной регрессии
Алгоритм кластеризации OPTICS
Анализ главных компонент
Построение случайных наборов данных для классификации
Генерация мультиметкажных датасетов с использованием Scikit-Learn
Оценка устойчивой матрицы ковариации в Python
Применение техник регуляризации с использованием SGD
Разреженное кодирование с предварительно вычисленным словарем
Подгонка модели методом опорных векторов для регрессии
Снижение размерности Swiss Roll и Swiss-Hole
Регирессия Тейла-Сена с использованием библиотеки Scikit-Learn для Python
Восстановление изображения с использованием сжатие данных
Регурессия дерева решений
Регирессия с деревом решений для нескольких выходов
Scikit-Learn Libsvm GUI
PageRank Википедии с использованием случайного SVD
Нелинейная регрессия с использованием изотонной регрессии
Модели нейронных сетей
Модели смеси Гаусса
Обучение многообразия с использованием Scikit-Learn
Бикластеризация в Scikit-Learn
Разложение сигналов на компоненты
Оценка ковариационной матрицы с использованием Scikit-Learn
Оценка плотности с использованием ядра
Кросс-валидация в машинном обучении с использованием Python
Извлечение признаков с использованием Scikit-Learn
Восстановление пропущенных значений
Техники аппроксимации ядра в Scikit-Learn
Попарные метрики и ядра в Scikit-Learn
Преобразование целевого прогноза
Регурессия с помощью бустингового дерева решений
Кластеризация методом Affinity Propagation
Построение иерархической кластеризации
Метрики агломеративного кластерирования
Дендрограмма иерархической кластеризации
Масштабирование и преобразование данных
Разложение на смещение и дисперсию с использованием bagging
Сравнение BIRCH и MiniBatchKMeans
Сравнение производительности Bisecting K-Means и обычного K-Means
Сравнение алгоритмов кластеризации
Сегментация изображений с использованием иерархической кластеризации
Матрица ошибок в Scikit-Learn
Оценка ковариации методом сужения
Кросс-валидация с линейными моделями
Построение графиков для патчей лиц из словаря
Распознавание рукописных цифр
Демонстрация стратегий KBinsDiscretizer
Предварительное вычисление матрицы Грама для ElasticNet
Оценка ошибки вне пакета (Out-Of-Bag) для Случайного леса
Важность пикселей с параллельным лесом деревьев
Ковариации гауссовской смеси
Выбор модели гауссовских смесей
Вероятностные прогнозы с использованием классификации гауссовского процесса
Построение графика для GPR Co2
Гауссовские процессы для дискретных структур данных
Регуляризация градиентного бустинга
Сравнение FeatureHasher и DictVectorizer
Демонстрация алгоритма кластеризации HDBSCAN
Построение графика для сравнения Huber и Ridge
Инкрементальный анализ главных компонент для датасета Iris
Логистическая регрессия для классификации датасета Iris
Явная аппроксимация карты признаков для ядер RBF
Эмпирическая оценка инициализации K-Means
Обучение с использованием Label Propagation
Регурессия Lasso в Scikit-Learn
Пошаговая логистическая регрессия
Преобразование данных в нормальное распределение
Визуализация высокомерных данных с использованием MDS
Алгоритм кластеризации Mean-Shift
Монотонные ограничения в градиентном бустинге
Анализ компонентов соседей
Классификация ближайшего центроида
Восстановление разреженного сигнала с использованием Ортогонального Метода Сопоставления
Построить сравнение PCA и LDA
Спектральное кластерирование для сегментации изображений
Полуподдерживаемые классификаторы на наборе данных Iris
SVM: Максимальная гиперплоскость разделения с отступом
SVM для несбалансированных классов
Многоклассовый классификатор SGD в Scikit-Learn
Построение разделяющей гиперплоскости с использованием SGD
Оценка разреженной обратной ковариации
Моделирование распределения видов
Оценка плотности ядра распределений видов
Разрешение конфликтов в SVM
Модель регрессии Elastic-Net в Scikit-Learn
Алгоритмы полунаправленного обучения
Неразмеченная кластеризация с использованием k-средних
Техники предобработки в Scikit-Learn
Квантование цветов с использованием K-Means
Сравнение GPR и KRR на графике
После усечения деревьев решений
Классификация цифр с использованием Scikit-Learn
Анализ набора данных цифр
Дискретизация непрерывных признаков с использованием KBinsDiscretizer
Построение сравнения между лесом и гистограммным градиентным бустингом
Построение леса на наборе данных iris
Методы инициализации модели смеси Гаусса
Построение сеточного поиска для цифр
Деревья решений на наборе данных Iris
Обнаружение аномалий с использованием Isolation Forest
Непараметрическая изотонная регрессия с использованием Scikit-Learn
Исследование леммы Джонсона-Линденштрасса с использованием случайных проекций
Анализ главных компонент с использованием Kernel PCA
Построение Kernel Ridge Regression
Исследование предположений алгоритма кластеризации k-средних
Анализ кластеризации методом силуэта
Регуляризация разреженных сигналов с использованием моделей на основе L1
Линейный дискриминантный анализ для классификации
Построение многонаправленной и логистической регрессии «один против всех»
Сравнение K-Means и MiniBatchKMeans
Scikit-Learn MLPClassifier: Стратегии стохастического обучения
Вложенная кросс-валидация для выбора модели
Регирессия с неотрицательными наименьшими квадратами
Обнаружение выбросов в данных о вине
Построение сравнения моделирования PCA и FA
Тест перестановочной оценки для классификации
Квантильная регрессия с использованием Scikit - Learn
Построение графика для мульти-выходной регрессии с использованием случайного леса
Оптимизация гиперпараметров: случайный поиск против сеточного поиска
Рекурсивное исключение признаков
Регуляризация Тихонова (Ridge Regression) для линейной моделирования
ROC с использованием кросс-валидации
Отбор признаков на основе модели и последовательный отбор признаков
Сравнение онлайн-решателей для классификации рукописных цифр
Алгоритм спектральной бикластеризации
Алгоритм спектральной ко - кластеризации
Сравнение Grid Search и Successive Halving
Масштабирование параметра регуляризации для SVM
Построение графиков по извлечению тем с использованием NMF и LDA
Анализ дерева решений
Построение кривых валидации
Открытие структуры набора данных Iris с помощью факторного анализа
Вероятности классов с использованием VotingClassifier
Предсказание диабета с использованием Регурессора голосования
Иерархическая кластеризация с ограничениями связности
Настройка гиперпараметров оценщика
Валидационные кривые: построение оценок для оценки моделей
Частичная зависимость и индивидуальное условное ожидание
Важность признаков перестановки
Дискретный против реального AdaBoost
Многоклассовые деревья решений с использованием AdaBoost
Классификация с использованием решательного дерева AdaBoost
Сравнение линейных байесовских регрессоров
Бикластеризация документов с использованием алгоритма спектральной кокластеризации
Кеширование ближайших соседей
Калибровка вероятностей для классификации на три класса
Построение вероятности классификации
Построение предсказаний с использованием кросс-валидации
Алгоритм кластеризации DBSCAN
Дезшумивание изображений с использованием Kernel PCA
Оценка плотности с использованием ядра
Важность признаков с использованием случайного леса
Оценки вне пакета для градиентного бустинга
Выбор модели Lasso
Выбор модели для Lasso-регрессии
Построение кривых обучения
Классификация рукописных цифр с помощью классификатора MLP
Оптимизация гиперпараметров модели с использованием GridSearchCV
Классификация текстов с использованием out - of - core обучения
Преобразование признаков с использованием хэширования
Рекурсивное исключение признаков с использованием кросс-валидации
Найлучшая подгонка линейных оценщиков
Ранняя остановка стохастического градиентного спуска
Построение графика Sgdocsvm против Ocsvm
Многоклассовая разреженная логистическая регрессия
Последовательные итерации усечения
Преобразование категориальных данных с использованием TargetEncoder
Недообучение и переобучение
Исследование ансамблевых методов с использованием Scikit-Learn
Выбор признаков с использованием Scikit-Learn
Оценка качества модели машинного обучения
Построение конвейера для цифр
Scikit - Learn: оценщики и конвейеры
Преобразование признаков с использованием ансамблей деревьев
Сбалансировать сложность модели и оценку при кросс-валидации
Извлечение и оценка текстовых признаков
Кластеризация K-Means для рукописных цифр
Регуляризация многослойного перцептрона
Многоэтикетная классификация документов
Построение классификации Nca
Обнаружение выбросов с использованием алгоритмов Scikit-Learn
Оценка многоклассовых классификаторов с использованием ROC с помощью Scikit - learn
API визуализации Scikit-Learn
Приближение полиномиального ядра с использованием Scikit - Learn
Влияние переменного порога на самообучение
Многиномиальная логистическая регрессия для MNIST
Классификация ирисных цветов с использованием Voting Classifier
Приблизительные ближайшие соседи в TSNE
Создание визуализаций с использованием объектов отображения
Распознавание лиц с использованием собственных лиц (eigenfaces) и методов опорных векторов (SVM)
Отбор признаков в задачах с одним признаком
Построение конвейеров машинного обучения с использованием Scikit - Learn
Объединение нескольких методов извлечения признаков
Gradient Boosting с категориальными признаками
Отношения правдоподобия классов для измерения качества классификации
Заполнение пропущенных данных
Построение графика PCR против PLS
Отбор признаков для SVC на наборе данных iris
Преобразование целевой переменной для линейной регрессии
Алгоритмы мультиклассовой и мультивыходной классификации
Сравнение алгоритмов обнаружения аномалий
Кривые градуировки вероятностей
Сравнение калибровки классификаторов
Снижение размерности с использованием Pipeline и GridSearchCV
Кривая权衡 ошибок обнаружения
Метрика Точность - Полнота для несбалансированной классификации
Column Transformer с смешанными типами
Классификация цифр с использованием признаков RBM
Полусupervised классификация текстов
Использование API set_output
Дискретизация признаков для классификации
Классификация текстовых документов
Scikit-Learn Iterative Imputer
Многообразие в машинном обучении на рукописных цифрах
Построение конвейеров в Scikit-Learn
Масштабирование признаков в машинном обучении
Конвейеры и составные оценщики
Сравнение классификаторов в Scikit-Learn
Преподаватель
Labby
Labby is the LabEx teacher.
Поделиться в Google Classroom
Присоединяйтесь к нашему Discord и учитесь вместе
Присоединиться сейчасОтзывы пользователей
" thanks labex for this helpful and free courses "
— vanessa fares
" Excelent. Was really didactic and easy to follow."
— sistemas nea
Рекомендовано для вас
