Введение
Эта часть учебника посвящена практике использования методов машинного обучения, используя python и библиотеку scikit-learn.
Здесь в виде кода с комментариями будут представлены
-
основные операции по подготовке данных;
-
примеры запуска основных методов, а также анализ влияния их ключевых гиперпараметров на получаемые прогнозы;
-
практические обучающие кейсы работы с данным разных типов (табличные данные, текс ты и изображения).
Перечень демонстрационных примеров ни в коем случае не является всеобъемлющим. Скорее, здесь представлены важные дополнительные материалы, служащие более полному раскрытию теоретических тем, представленных в учебнике, и демонстрируются подходы, которые часто встречаются на практике.
Для более полного и всестороннего изучения практики классического машинного обучения рекомендуется дополнительно изучить документацию к библиотеке scikit-learn [1], которая равномерно покрывает все основные темы.
Эта документация доступна также и на русском языке, но для более ранней версии библиотеки [2] (базовый синтаксис изменился несильно).
Для удобства изучения, код представлен в формате jupyter-ноутбуков, которые открываются непосредственно в google colab, где вы сможете их просматривать и сохранять.
Если вы если войдёте через google-аккаунт, то сможете интерактивно менять код и его запускать непосредственно в своём браузере.