Матстат И Работа С Данными
3 статьи
Метрики качества и линейная регрессия
Метрики классификации и регрессии и первая модель машинного обучения. Рассматриваются матрица ошибок, precision, recall, F1, порог решения, ROC и PR-кривые, MAE, MSE, RMSE, R², линейная регрессия и градиентный спуск с его вариантами.
kNN и ML-пайплайн
Метод k ближайших соседей как первая модель машинного обучения — расстояния, веса соседей, ядра и ширина окна, регрессия и быстрый поиск через HNSW. Устройство ML-пайплайна, разбиение данных на train, validation и test, утечки и кросс-валидация.
EDA и уменьшение размерности
Устойчивые статистики и масштабирование признаков, повторение статистического вывода — доверительные интервалы, p-value, ошибки I и II рода, критерий хи-квадрат. Корреляции Пирсона и Спирмена, проклятие размерности и разбор PCA от центрирования до объяснённой дисперсии.
