Машинное обучение 1/Группа 145 РС — различия между версиями

Версия 12:23, 8 октября 2016

Время для консультаций (по предварительной договоренности):

аудитория 623

Почта: alexeyum@gmail.com

Материалы для повторения см. на главной странице курса

Упражнения на дом:

Сгенерируйте матрицу 5x5 со случайными числами от 0 до 1. Найдите индексы ячеек со значениями меньше 0.2.
Создайте матрицу 5x5 с числами, такими, что в ячейке (i, j) стоит число i+j. В задаче нельзя использовать циклы.
Постройте график функции exp(|2*x + 3|).
Пусть x, y - два вектора. Найдите проекцию вектора x на вектор y.

Дополнительные упражнения на темы прошлого семинара: упражнения, titanic.csv

Упражнения на дом (в случае затруднений см. тетрадки семинаров 4 и 5 на главной курса).

Скачайте датасет для классификации спама: https://archive.ics.uci.edu/ml/machine-learning-databases/spambase/
Разделите выборку на обучение и тест (sklearn.cross_validation.train_test_split)
Обучите на нем логистическую регрессию (sklearn.linear_model.LogisticRegression), посчитайте различные метрики для вашего классификатора: правильность, точность, полноту (sklearn.metrics).
Постройте ROC-кривую и PR-кривую для этого классификатора, посчитайте для них AUC-значения.
Проделайте кросс-валидацию метода (sklearn.cross_validation.KFold)

@@ Строка 27: / Строка 27: @@
 === Семинар 3 (23.09). Предобработка: категории, пропуски, нормализация. Минимизация функции потерь. ===
-=== Семинары 4 и 5 (07.10 и 08.10). Линейная классификация. Метрики качества, ROC, PR, AUC. Валидация. SVM ===
+=== Семинары 4 и 5 (07.10 и 08.10). Линейная классификация. Метрики качества, ROC, PR, AUC. Валидация. SVM. ===
 Упражнения на дом (в случае затруднений см. тетрадки семинаров 4 и 5 на главной курса).