Вторник, 21.09.2021
AlexTop информационный портал
Меню сайта
Категории раздела
Софт
Антивирусы / Ключи
Операционные системы
Фотошоп
3ds Max
Игры
Фильмы / Мультфильмы
Музыка / Клипы
Телефон / КПК
Картинки
Книги / Журналы
Разное
Игры
Фильмы документальные
Фильмы боевики
Фильмы фантастика
Фильмы комедии
Фильмы ужасы
Сериалы
WEB дизайнеру
Друзья
баннер

На сайте мир софта - найдётся всё ,
что связано с компьютером,вебдизайном и мобильным телефоном!здесь вы можете скачать бесплатно софт,программы,игры,книги,фильмы,музыку,обои,фотошоп,шаблоны,
всё для мобилки и много чего интересного! на сайте http://infoportall.ucoz.ru/

Скачать бесплатно игры,видео,музыку,софт,обои,иконки и многое другое

Бонус


Получить WMR-бонус на свой кошелек!

Главная » 2020 » Март » 30 » Машинное обучение кластеризация и классификация на Python (2020)
12:55
Машинное обучение кластеризация и классификация на Python (2020)

Выигрываем соревнование Kaggle с kNN, SVM, логистической регрессией, случайным лесом, XGBoost, CatBoost и LightGBM. Мы разберем прикладные подходы к кластеризации и классификации данных с помощью машинного обучения для страхового скоринга Prudential в соревновании на Kaggle вплоть до формирования конечного результата.

Материалы курса:
1. Задача страхового скоринга
- Страховой скоринг
- F1 и Каппа оценки классификации
- Метод ближайших соседей
- kNN скоринг
2. Логистическая регрессия и опорные векторы
- Обработка данных и оптимизация памяти
- Логистическая регрессия
- Иерархия логистической регрессии
- SVM: метод опорных векторов
- Сравнение классификации
3. Решающие деревья и ансамбли бэггинга и бустинга
- Решающие деревья
- Случайный лес
- Бустинг с XGBoost
- Градиентный бустинг
4. Ансамбль стекинга и финальное решение
- LightGBM
- CatBoost
- Ансамбль классификации
- Расчет результатов
- Финальное решение

Чему вы научитесь:
- EDA: исследовательский анализ данных
- Точность, полнота, F1 и каппа метрики
- Простая кластеризация данных
- Логистическая регрессия: простая и многоуровневая
- Метод ближайших соседей: kNN
- Наивный Байес
- Метод опорных векторов: SVM
- Решающие деревья м случайный лес
- XGBoost и градиентный бустинг
- CatBoost и LightGBM
- Ансамбль голосования и стекинга

Требования:
- Продвинутый Python
- Основы математической статистики
- Основы машинного обучения

В этом курсе:
- Проведение исследовательского анализа данных для поиска зависимостей: EDA.
- Метрики классификации: точность, полнота, F1, квадратичная каппа и матрица неточностей.
- Очистка данных и оптимизация потребления памяти.
- Кластеризация данных и метод ближайших соседей.
- Простая и иерархическая логистическая регрессия.
- Метод ближайших соседей и поиск оптимальной модели.
- Метод опорных векторов: SVM.
- Дерево принятия решения и случайный лес (бэггинг).
- XGBosot и градиентный бустинг.
- LightGBM и CatBoost
- Ансамбль стекинга для голосования и выбора лучшего результата.
- Выгрузка результата для соревнования на Kaggle.

Для кого этот курс:
- Аналитики Python, изучающие машинное обучение
- Программисты больших данных
- Исследователи больших данных




Название: Машинное обучение кластеризация и классификация на Python
Год выхода: 2020
Жанр: Видеокурс, программирование, разработка, обучение
Формат видео: MP4 | 1280x720 | AVC
Формат аудио: AAC | 128 kb/s | 48 кГц
Язык: Русский
Продолжительность: 03:04:13
Размер: 3.3 Gb

Скачать Машинное обучение кластеризация и классификация на Python (2020)

Категория: WEB дизайнеру | Просмотров: 36 | Добавил: Kioka83 | Рейтинг: 0.0/0

Всего комментариев: 0
Добавлять комментарии могут только зарегистрированные пользователи.
[ Регистрация | Вход ]
Вход на сайт
Поиск
Календарь
«  Март 2020  »
ПнВтСрЧтПтСбВс
      1
2345678
9101112131415
16171819202122
23242526272829
3031
Наш опрос
Что-бы вы хотели видеть больше на сайте?

1. Всё
2. Фильмы
3. Soft
4. Игры
5. Музыку
6. Java
Всего ответов: 4
Архив новостей
Партнёры

Раскрутка сайта - регистрация в каталогах
Каталог сайтов Всего.RU



Copyright AlexTop © 2021