[ITtensive] Машинное обучение: выделение факторов на Python

Irensi · 30 янв 2021

Чему вы научитесь

Процесс и модель машинного обучения

Заполнение пропусков в данных

Линейная регрессия и L1/L2 регуляризация

Решающие деревья и ансамбли стекинга

Корреляция и взаимная информация

Метод главных компонент (PCA)

Сингулярное разложение (SVD)

Анализ независимых компонент (ICA)

Многомерное шкалирование (MDS)

t-SNE, UMAP, LargeVis

Требования

Продвинутый Python

Основы математической статистики

Описание
Мы разберем задачу хакатона 2020 года по выделению факторов, в наибольшей степени влияющих на продолжительность жизни в России, с точки зрения фундаментальных и прикладных подходов к понижению размерности данных. В заключении построим ансамбль моделей для предсказания продолжительности жизни, базируясь на выделенных факторах.

Курс разбит на 4 части.
В первой части мы последовательно пройдем все этапы работы с данными: от видов задач и их постановки до работы с моделями машинного обучения для минимизации предсказательной ошибки. Дополнительно рассмотрим фундаментальные основы построения моделей машинного обучения, базовые метрики и наиболее простые модели - линейную регрессии, решающие деревья и случайный лес. А также ансамбли машинного обучения.

Во второй части на практике разберем:

Очистку и предобработку данных - ETL

Линейную регрессию для экстраполяции данных

Линейную регрессию с регуляризацией для выделения факторов

Информационные критерии понижения размерности

В заключении создадим ансамбль стекинга из простых моделей понижения размерности.

Третья часть посвящена матричным методам:

Метод главных компонент (PCA)

Сингулярное разложение (SVD)

Анализ независимых компонент (ICA)

Положительно-определенные матрицы (NMF)

Уточним решение задачи обучения без учителя через матричные методы.

В четвертой части рассмотрим нелинейные подходы:

Многомерное шкалирование (MDS).

t-SNE

UMAP

LargeVis

Стабилизируем ансамбль понижения размерности и используем его для предсказания продолжительности жизни в России, основываясь на наиболее важных макроэкономических показателях.

Для кого этот курс:

Аналитики Python, изучающие машинное обучение

Программисты больших данных

Исследователи больших данных

Скрытый текст. Доступен только зарегистрированным пользователям.
Нажмите, чтобы раскрыть...

alexinc · 8 апр 2021

Привет! Сколько вешать в граммах?

Тамплиер · 8 апр 2021

alexinc сказал(а):

Привет! Сколько вешать в граммах?
Нажмите, чтобы раскрыть...

Здравствуйте. Чем могу Вам помочь?
Если Вас заинтересовала данная тема, то она на этапе "Доступно".
Этап Доступно.
Взносы собраны, продукт выкуплен и выложен для скачивания оплатившим участникам. В Библиотеке идет обсуждение продукта. Участники могут оставить отзыв о складчине.
Присоединиться на этом этапе можно в любое время. Записываетесь, оплачиваете, получаете продукт после отметки оплаты Организатором.
Подробнее здесь: Что это за сайт? Как получить то, что я ищу?
Материал получите в течение 3-х суток с момента оплаты, как только организатор проверит Ваш платеж.