Искусственный интеллект. Машинное обучение

Оглавление

Группа авторов. Искусственный интеллект. Машинное обучение

Глава 1: Введение в Машинное Обучение

Глава 2: Подготовка и Предобработка Данных

Глава 3: Основные Методы Обучения

Глава 4: Оценка и Управление Производительностью Моделей

Глава 5: Практические Примеры и Приложения

Глава 6: Оптимизация и Регуляризация Моделей Машинного Обучения

Глава 7: Обработка текстовых и временных данных

Глава 8: Обучение на неструктурированных данных: изображения, аудио, видео

Глава 9: Обучение на несбалансированных данных

Глава 10: Продвинутые методы оценки и интерпретации моделей

Глава 11: Обучение на графовых данных

Отрывок из книги

В этом разделе мы рассмотрим методы оценки качества данных и предварительного анализа, необходимые перед тем, как приступить к моделированию. Оценка качества данных является важным этапом, поскольку позволяет понять, насколько данные подходят для построения модели, а предварительный анализ помогает выявить особенности и закономерности в данных.

Перед началом визуализации и анализа данных необходимо провести их первичное изучение, что включает в себя загрузку данных и ознакомление с их структурой и содержимым. Этот этап позволяет понять, какие данные доступны, какие признаки содержатся в наборе данных и какие типы данных представлены.

.....

# Идентифицируем аномальные значения

anomalies = [price for price, z_score in zip(prices, z_scores) if abs(z_score) > threshold]

.....