Машинное обучение (РЭУ)
Материал из MachineLearning.
(→N3 - Поиск наилучшей модели для оценки съедобности грибов) |
(→N3 - Поиск наилучшей модели для оценки съедобности грибов) |
||
| Строка 23: | Строка 23: | ||
[https://github.com/Apogentus/demonstrations/blob/master/adult%20dataset.ipynb Пример преобразования признаков и подбора параметров модели для другого датасета]. | [https://github.com/Apogentus/demonstrations/blob/master/adult%20dataset.ipynb Пример преобразования признаков и подбора параметров модели для другого датасета]. | ||
| - | Для работы демонстрационного примера и выполнения задания понадобятся [https://github.com/Apogentus/common/tree/master/common полезные модули отсюда]. Главным | + | Для работы демонстрационного примера и выполнения задания понадобятся [https://github.com/Apogentus/common/tree/master/common полезные модули отсюда]. Главным образом - модуль feature.transformations.py, содержащий one-hot и вероятностное кодирование признаков. |
==Успеваемость== | ==Успеваемость== | ||
Версия 15:53, 22 марта 2016
Содержание |
Краткое описание
Курс ведется для магистров РЭУ им.Г.В.Плеханова. В курсе рассматриваются основные задачи анализа данных и обучения по прецедентам: классификация, кластеризация, регрессия, понижение размерности, ранжирование, коллаборативная фильрация. По изложению для каждой рассматриваемой задачи изучаются математические основы методов, лежащие в их основе предположения о данных, взаимосвязи методов между собой и особенности их практического применения. Большое внимание уделено освоению практических навыков анализа данных, отрабатываемых на семинарах, которое будет вестись с использованием языка python и соответствующих библиотек для научных вычислений. От студентов требуются знания линейной алгебры, математического анализа и теории вероятностей.
Задания
N1 - Проверка работы метода K-NN
N2 - Применение метода K-NN для распознавания цифр
N3 - Поиск наилучшей модели для оценки съедобности грибов
Помощь по заданию:
Пример преобразования признаков и подбора параметров модели для другого датасета.
Для работы демонстрационного примера и выполнения задания понадобятся полезные модули отсюда. Главным образом - модуль feature.transformations.py, содержащий one-hot и вероятностное кодирование признаков.
Успеваемость
Лекции
Туториалы
Полезные ссылки
Машинное обучение
- machinelearning.ru
- Видеолекции курса К.В.Воронцова по машинному обучению
- Одна из классических и наиболее полных книг по машинному обучению. Elements of Statistical Learning (Trevor Hastie, Robert Tibshirani, Jerome Friedman)
Python
- Официальный сайт
- Библиотеки: NumPy, Pandas, SciKit-Learn, Matplotlib.
- Небольшой пример для начинающих: краткое руководство с примерами по Python 2
