Как не попасться на удочку случайности при выборе лучшей модели Мы привыкли видеть проблемы с наукой о данных в Kaggle, где разница в 0,1% в балле ROC может иметь значение между выигрышем 100 000 долларов или ничего. Возьмем, к примеру, вызов Data Science Bowl 2017 . Призы составили 500 000 долларов за 1 место, 200 000 за 2 место, 100 000 за 3 место и так далее. В качестве показателя для оценки была выбрана логарифмическая потеря. Это была финальная таблица лидеров: Теперь,..

Серия: Тайваньский набор данных по кредитным дефолтам Эта статья является частью серии, в которой мы исследуем, предварительно обработаем и запустим несколько методов машинного обучения для набора данных Taiwan Credit Default . Набор данных можно найти здесь: набор данных . Два важных вопроса обычно возникают, когда мы пытаемся выяснить, как лучше смоделировать набор данных и, надеюсь, сделать прогнозы на его основе: · Все ли указанные функции актуальны , и если нет, то какой из..

Введение Машинное обучение — это мощный инструмент, который можно использовать для решения широкого круга задач. Тем не менее, при таком большом количестве различных моделей может быть сложно определить, какая из них подходит для вашего проекта. В этом руководстве мы проведем вас через пошаговый процесс, чтобы помочь вам выбрать лучшую модель машинного обучения для ваших нужд. Шаг 1. Определите проблему, которую вы хотите решить Первый шаг — определить проблему, которую вы..