Алгоритмы машинного обучения: базовый курс

Оглавление

Группа авторов. Алгоритмы машинного обучения: базовый курс

Слово от автора

Глава 1. Что такое машинное обучение?

Глава 2. Применение машинного обучения

Глава 3. Необходимый базис

Глава 4. Супервизорное обучение

Глава 5. Несувервизорное обучение

Глава 6. Полусупервизорное и обучение с подкреплением

Глава 7. Линейные модели

Глава 8. Методы ближайших соседей

Глава 9. Деревья решений и ансамблевые методы

Глава 10. Методы опорных векторов (SVM)

Глава 11. Нейронные сети

Глава 12. Работа с данными

Глава 14. Разработка ML-проекта

Глава 15. Оценка и валидация моделей

Глава 16. Обучение на больших данных

Глава 17. Обработка и анализ текстовых данных

Глава 18. Применение машинного обучения в реальных приложениях

Отрывок из книги

Машинное обучение – это область науки, которая изучает методы и алгоритмы, позволяющие компьютерам учиться на данных и улучшать свои результаты без явного программирования. Говоря проще, это процесс, при котором машины могут выявлять закономерности, делать выводы и прогнозы, анализируя предоставленную информацию, вместо того чтобы следовать заранее установленным правилам.

Ключевая идея машинного обучения заключается в создании моделей, которые обучаются на основе примеров. Эти модели анализируют данные, изучают их структуру и используют полученные знания для выполнения задач, таких как предсказание будущих событий, классификация объектов или выявление скрытых взаимосвязей. В отличие от традиционного программирования, где разработчики вручную пишут код для выполнения определенной задачи, машинное обучение позволяет моделям самим находить оптимальные решения.

.....

print("Предсказанные цены:", y_pred)

Здесь модель делает прогноз стоимости квартир, основываясь на их площади и этаже.

.....