На нашем сайте Вы найдете множество графических материалов для своего творчества!

Клипарты Рамки для Фотошопа Обои
Пароль:
Портал графики и дизайна
RSS Карта сайта
» » Машинное обучение кластеризация и классификация на Python (2020)
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

Машинное обучение кластеризация и классификация на Python (2020)Машинное обучение кластеризация и классификация на Python (2020)Машинное обучение кластеризация и классификация на Python (2020)
Машинное обучение кластеризация и классификация на Python (2020)Машинное обучение кластеризация и классификация на Python (2020)Машинное обучение кластеризация и классификация на Python (2020)
Машинное обучение кластеризация и классификация на Python (2020)Машинное обучение кластеризация и классификация на Python (2020)Машинное обучение кластеризация и классификация на Python (2020)

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)



Уважаемый посетитель, Вы зашли на сайт как незарегистрированный пользователь.
Мы рекомендуем Вам зарегистрироваться либо войти на сайт под своим именем.

Если вам понравилась эта новость, не пропустите:

Автор: Hottei83 30-03-2020, 13:53 Комментарии: 0 Просмотров: 39

ПАРТНЕРЫ

КАЛЕНДАРЬ

«    Май 2020    »
ПнВтСрЧтПтСбВс
 123
45678910
11121314151617
18192021222324
25262728293031

АРХИВ НОВОСТЕЙ

Май 2020 (31)
Апрель 2020 (24)
Март 2020 (71)
Февраль 2020 (54)
Январь 2020 (76)
Декабрь 2019 (101)

ИНФОРМЕРЫ

 
Рейтинг@Mail.ru Rambler's Top100