or
Ця вправа є частиною курсу
У цьому розділі ви познайомитеся із задачами класифікації та навчитеся розв'язувати їх за допомогою методів керованого навчання. Ви дізнаєтеся, як розбивати дані на тренувальний і тестовий набори, навчати модель, робити передбачення та оцінювати точність. Ви відкриєте взаємозв'язок між складністю моделі та її якістю й застосуєте це до набору даних про відтік, де класифікуватимете статус відтоку клієнтів телеком-компанії.
У цьому розділі ви познайомитеся з регресією та побудуєте моделі для передбачення обсягів продажів, використовуючи набір даних про рекламні витрати. Ви дізнаєтеся про механіку лінійної регресії та поширені метрики якості, зокрема R-squared і корінь із середньоквадратичної помилки. Ви виконаєте k-кратну крос-валідацію та застосуєте регуляризацію до регресійних моделей, щоб зменшити ризик перенавчання.
Після навчання моделей ви дізнаєтеся, як їх оцінювати. У цьому розділі ви познайомитеся з кількома метриками й методом візуалізації для аналізу якості класифікаційних моделей у scikit-learn. Також ви навчитеся оптимізувати класифікаційні та регресійні моделі шляхом налаштування гіперпараметрів.
Навчіться заповнювати пропущені значення, перетворювати категоріальні дані на числові, масштабувати дані, одночасно оцінювати кілька моделей керованого навчання та будувати конвеєри, щоб спростити робочий процес!
Поточна вправа