Ви завершите курс, вивчаючи техніки feature engineering і машинного навчання. Спочатку зосередитеся на проблемах, пов'язаних із використанням усіх наявних ознак у моделі, і на важливості виявлення нерелевантних та надлишкових ознак, а також на їхньому вилученні за допомогою вбудованих методів, таких як lasso та elastic-net. Далі ви розглянете методи усуспільнення (shrinkage), зокрема lasso, ridge та elastic-net, які можна застосовувати для регуляризації ваг ознак або для вибору ознак, зануляючи коефіцієнти. Нарешті, ви зосередитеся на створенні наскрізного робочого процесу feature engineering та на повторенні й практиці раніше вивчених концепцій і функцій у невеликому проєкті.
Exercise 1: Зменшення кількості ознак у моделіExercise 2: Перебирання важливості зміннихExercise 3: Оцінювання ефективності моделі з усіма наявними предикторамиExercise 4: Побудова скороченої моделіExercise 5: Методи усіченняExercise 6: Ручна регуляризація з LassoExercise 7: Налаштування параметра penaltyExercise 8: Фіналізація моделіExercise 9: Збираємо все докупиExercise 10: Підготовка та розбиттяExercise 11: Попередня обробкаExercise 12: МодельExercise 13: ОцінюванняExercise 14: Вітаємо!
Почати вправу