Машинное обучение

Оглавление

Группа авторов. Машинное обучение

Глава 1: Введение в машинное обучение и его роль в бизнесе

Глава 2: Типы задач машинного обучения в бизнесе

Глава 3: Подготовка данных для машинного обучения

Глава 4: Выбор модели и обучение моделей машинного обучения

Глава 5: Интерпретируемость и объяснимость моделей машинного обучения

Глава 6: Применение машинного обучения в маркетинге и рекламе

Глава 7: Применение машинного обучения в финансах и инвестициях

Глава 8: Применение машинного обучения в операционной деятельности и логистике

Глава 9: Этические аспекты и проблемы использования машинного обучения в бизнесе

Глава 10: Будущие направления развития машинного обучения в бизнесе

Отрывок из книги

Обучение с учителем – форма машинного обучения, где системе предоставляется обучающая выборка с входными данными и соответствующими выходными значениями.

Признаки – характеристики или свойства объектов, которые описывают данные.

.....

1. Цель анализа: Определите, какую информацию вы хотите получить из модели и какие вопросы вы хотите на них ответить. Например, если вам важно измерить точность предсказания, то среднеквадратичная ошибка (MSE) или корень из среднеквадратичной ошибки (RMSE) могут быть подходящими метриками. Если ваша цель заключается в понимании объясняющей способности модели, то коэффициент детерминации (R-squared) может быть полезной метрикой.

2. Специфика данных: Рассмотрите особенности ваших данных, такие как наличие выбросов, несбалансированность классов или другие аномалии. Некоторые метрики, такие как среднеквадратичная ошибка (MSE), могут быть чувствительны к выбросам, в то время как средняя абсолютная ошибка (MAE) более устойчива к ним. Также учтите, что некоторые метрики могут быть предназначены для специфических типов данных или задач, например, метрики оценки точности классификации.

.....