- Регистрация
- 26.05.2022
- Сообщения
- 26 725
- Реакции
- 163
- Баллы
- 63
Автор: Udemy Название: Машинное обучение: регрессия и предсказание данных на Python (2020) Чему вы научитесь Процесс ETL: загрузка, очистка, объединение данных Построение и оценка качества модели линейной регрессии EDA: исследовательский анализ данных Обогащение данных для извлечение смысла Оптимизация потребления памяти набором данных Иерархия моделей линейной регрессии Ансамбль моделей линейной регрессии Экспорт и импорт данных в CSV и HDF5 Участие в соревнование Kaggle Требования Продвинутый Python Основы математической статистики Описание Мы рассмотрим все практические аспекты применения линейной регрессии для предсказания числовых показателей энергопотребления ASHRAE в соревновании на Kaggle вплоть до формирования конечного результата. В этом курсе: Особенности процесса анализа данных (ETL): загрузка, очистка, объединение наборов данных с pandas. Проведение исследовательского анализа данных для поиска зависимостей: EDA. Использование sklearn для линейной регрессии. Интерполяция и экстраполяция данных. Расчет метрики качества RMSLE для моделей линейной регрессии. Оптимизация линейной регрессии: выбор наилучших параметров и гиперпараметров. Оптимизация потребления памяти при работе с большими данными. Запасные модели линейной регрессии. Ансамбли линейной регрессии для уточнения предсказания. Экспорт и импорт данных, включая промежуточные. Выгрузка результата для соревнования на Kaggle. Для кого этот курс: Аналитики Python, изучающие машинное обучение Программисты больших данных Исследователи больших данных Подробнее: Скачать: |