Цель лабораторной работы:
Понять и научиться применять различные алгоритмы машинного обучения
Задачи:
Создать end-to-end проект машинного обучения для данных, которые вы использовали в первой лабораторной работе.
Шаблон проекта машинного обучения
1. Подготовка проблемы
- Загрузка необходимых библиотек
- Загрузка данных
2. Разведочный анализ
- Описательная статистика
- Визуализация данных
3. Подготовка данных
- Очистка данных
- Выбор признаков
- Преобразование данных
- Разделение данных на тестовые и обучающие наборы
4. Оценка различных алгоритмов
- Метрики оценки качества
- Выборочная проверка алгоритмов (минимум - 5 алгоритмов)
- Сравнение и выбор алгоритмов
5. Повышение точности
- Настройка алгоритма (Algorithm Tuning)
- Ансамбли
6. Завершение
- Предсказание на тестовом наборе данных
- Сохранить окончательную модель для последующего использования
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