ML зачет

• Визуализация данных

• Обработка многомерных массивов

• Создание моделей машинного обучения

• Обработка текстовых данных

• Подготовить и очистить данные

Убрать неважные признаки

• Проанализировать и выбрать гиперпараметры

• Провести анализ данных

• Настроить процесс регуляризации

• Кластеризация

• Регрессия

• Классификация

• Оптимизация

• Точность (Accuracy)

• Среднеквадратичная ошибка (MSE)

• Полнота (Recall)

• Взвешенная ошибка регрессии

Коэффициент детерминации (R2)

• split_dataset()

• data_split()

• train_test_split()

• divide_data()

• Преобразование категориальных признаков в числовой формат для корректной работы модели

Присвоение каждому числовому значению категории для удобства интерпретации

• Преобразование категориальных данных в бинарные или числовые значения для работы с моделью

• Замена числовых данных на категориальные значения для более точной интерпретации

Изменение признаков на основании результатов обучения модели

Permutation importance

• Mutual Information

• K-Means

• Random Forest Feature Importance

• Decision Trees

• Параметры, которые модель учит на данных

• Количество данных в выборке

• Визуальные представления данных

• Параметры, которые задаются до обучения модели

Настройки, которые влияют на процесс обучения модели

• Предсказание цены

• Классификация картинок

• Группировка похожих объектов

• Интерпретация текста

• Объяснение логики работы модели

Построение визуализаций

• Оптимизация кода

Анализ значимости признаков

• Увеличение точности модели