Вступ до регресії в машинному навчанні

Дмитро Кузьменко — ML Engineer в Infopulse з досвідом роботи понад чотири роки. Основні напрямки досліджень поєднують CV та RL у сфері охорони здоров'я та допоміжних технологій.

На лекції він поділився базою, яка необхідна для використання регресії в машинному навчанні.

Зокрема коротко розберемося з вибором моделі, навчанням, емпіричною мінімізацією ризику, покращенням узагальнення та боротьбу з оверфітом. А також із:
— дослідницьким аналізом і попередньою обробкою даних;
— вибором моделі/метрики та гарною валідацією;
— підбором гіперпараметрів та передбачення;
— лінійною та поліноміальною регресією, SVR з лінійним ядром;
— деревом рішень/регресором випадкового лісу, lightgbm (бустингом);
— метриками MSE та MAE.

Усі матеріали та техніки Дмитро демонструє на Jupyter ноутбук. Після лекції — був час для запитань та уточнень.