У нас вы можете посмотреть бесплатно Полный Пайплайн (Pipeline) || Машинное Обучение или скачать в максимальном доступном качестве, которое было загружено на ютуб. Для скачивания выберите вариант из формы ниже:
Если кнопки скачивания не
загрузились
НАЖМИТЕ ЗДЕСЬ или обновите страницу
Если возникают проблемы со скачиванием, пожалуйста напишите в поддержку по адресу внизу
страницы.
Спасибо за использование сервиса savevideohd.ru
Войти в IT: Вся Необходимая База. 3 Уровня Объяснения Материала https://stepik.org/a/196646/pay?promo... Если не можешь напрямую покупать со Stepik, заказывай отсюда: https://avecoders.github.io/ave-coder... Введение в Искусственный Интеллект с Python для Начинающих: https://stepik.org/a/193579/pay?promo... Введение в Искусственный Интеллект с Python для Начинающих: https://stepik.org/a/193579/pay?promo... Курс: "Поколение Трансформеров": Нейросети для Естественного Языка (NLP) Вне Свифта (Россия, Беларусь): https://stepik.org/a/175490 Свифт (Все остальные): https://avecademy.teachable.com/p/01596f Практический Курс по Python: Stepik: https://stepik.org/a/126242 Udemy: https://www.udemy.com/course/avecoder... Аве Кодер! Пришло время использовать весь арсенал полученных знаний и построить пайплайн (pipeline) целиком. Мы подгрузим данные, почистим их, разделим на тренировочный, валидационный и тестовый наборы, сохраним их для дальнейшего использования, а затем возьмем модель Случайного Леса (Random Forest) и проведем к-кратную перекрестную валидацию (k-fold cross-validation) на тренировочном наборе, затем используя GridSearchCV мы выберем три набора гиперпараметров показавших лучший результат. Далее, мы испытаем три модели с выбранными гиперпараметрами на валидационном наборе и используя метрики accuracy, precision, recall мы отберем модель с лучшими показателями. И в финале - прогонем ее на тестовом наборе, чтобы получить окончательные результаты. Код (GoogleCollab): https://colab.research.google.com/dri... Разведочный анализ данных: • Разведочный Анализ Данных (Explorator... Категориальные признаки: • КАТЕГОРИАЛЬНЫЕ ПРИЗНАКИ (Разведочный ... Метрики и Кросс-Валидация: • Разделение Данных и Метрики || Машинн... Переобучение, Недообучение: • Необходимая Теория (Часть 1) || Машин... Гиперпараметры, Регуляризация: • Необходимая Теория (Часть 2) || Маши... #авекодер #машинноеобучение #datascience Telegram: https://t.me/avecoder_ru VK: https://vk.com/avecoder Instagram: / avemundi Поддержи проект: https://www.donationalerts.com/r/avec... paypal.me/avecoder / avecoder BTC: 1BmLvUFiJaVpCAwhzW3ZwKzMGWoQRfxsn4 ETH: 0x6f1A488c9b12E782AEF74634a40A79b1631237aB История Технологий: / АвеТех ______________________ Аве Кодер! Меня зовут V и я магистр Искусственного Интеллекта из Великобритании. Здесь на канале ты найдешь только качественные туториалы, подкасты, советы и все такое прочее, а на соседнем канале Аве Тех, есть еще и истории из мира технологий, путешествия по интересным местам и интервью с специалистами из разных тех областей. Так что ставь императорский палец вверх, подписывайся и бей в колокол!