MOC — Классическое машинное обучение

Назначение

Карта базовых алгоритмов классического машинного обучения: регрессии, классификации, деревьев, ансамблей и кластеризации.

Основные темы

Регрессия

• Линейная регрессия
• Полиномиальная регрессия
• SVR
• Метрики качества регрессоров

Классификация

• Логистическая регрессия
• SVM
• Наивный Байес
• Дерево решений
• Случайный лес
• Градиентный бустинг
• Дискретный персептрон
• Метрики качества классификаторов
• ROC-кривая

Кластеризация

• k-means
• DBSCAN
• Метрики качества кластеризации

Рекомендуемый порядок изучения

1. Предобработка данных
2. Линейная регрессия
3. Логистическая регрессия
4. Дерево решений
5. Случайный лес
6. Градиентный бустинг
7. SVM
8. k-means
9. DBSCAN

Связанные практические страницы

• Задачи классификации
• Задачи регрессии
• Задачи кластеризации
• Табличные данные
• Типовой ML pipeline

Связанные проекты

• Materials ML