Быстрый старт с scikit-learn
В этом курсе мы изучим, как использовать scikit-learn для построения предсказательных моделей на основе данных. Мы рассмотрим основные понятия машинного обучения и увидим, как использовать scikit-learn для решения задач обучения с учителем и без учителя. Мы также научимся оценивать модели, настраивать параметры и избегать распространённых ошибок. Мы рассмотрим примеры задач машинного обучения с использованием реальных наборов данных.
01
Линейные модели в Scikit-Learn
В этом лабораторном практикуме мы рассмотрим линейные модели в scikit-learn. Линейные модели представляют собой набор методов, используемых для задач регрессии и классификации. Они предполагают, что целевая переменная является линейной комбинацией признаков. Эти модели широко используются в машинном обучении благодаря своей простоте и интерпретируемости.
02
Объяснение классификаторов дискриминантного анализа
Линейный и квадратичный дискриминантный анализ (LDA и QDA) — два классических классификатора, используемых в машинном обучении. LDA использует линейную разделяющую поверхность, а QDA — квадратичную. Эти классификаторы популярны, потому что имеют замкнутые решения, хорошо работают на практике и не имеют параметров, требующих настройки.
03
Изучение наборов данных и оценщиков Scikit-Learn
В этом лабораторном практикуме мы рассмотрим настройку и объект оценщика в scikit-learn, популярной библиотеке машинного обучения на Python. Мы изучим наборы данных, которые представлены в виде двумерных массивов, и как их предварительно обработать для scikit-learn. Мы также рассмотрим понятие объектов оценщиков, которые используются для обучения на данных и создания прогнозов.
Поздравляем!
Вы успешно завершили курс Quick Start With Scikit Learn!
Чему вы научились
В ходе этого курса вы приобрели практический опыт работы с важными концепциями и навыками. Вот основные выводы:
- Основные концепции: Вы овладели фундаментальными принципами и техниками
- Практические навыки: Вы применили свои знания через интерактивные лаборатории и упражнения
- Практическое применение: Вы научились решать практические проблемы, используя приобретенные навыки
Следующие шаги
- Продолжайте практиковаться с более продвинутыми лабораториями
- Изучите связанные курсы для расширения знаний
- Примените полученные знания в своих проектах
Продолжайте учиться и веселого программирования! 🚀