TwiddleLab / Курсы / Искусственный интеллект
Учимся на данных
Преврати данные в таблицы, спроси соседей, вырасти деревья решений и проверяй честно.
Лучше после: Как думает нейросеть
Уроки
- Данные это таблица (5 мин): Машина учится на наборе данных: таблице примеров.
- Спроси соседей: kNN (7 мин): k ближайших соседей даёт новому примеру метку по голосованию k самых близких примеров из набора данных.
- Двадцать вопросов: деревья решений (6 мин): Дерево решений отвечает цепочкой вопросов «да или нет» о признаках.
- Обучение, тест и не подглядывать (7 мин): Модель учится на обучающей выборке, а оценивают её на тестовой, которую она никогда не видела.
- Точность может врать (6 мин): Когда один вид редкий, модель может набрать высокую точность (accuracy), всегда называя частый вид.
- Где провести черту: точность и полнота (7 мин): Модель даёт каждому примеру оценку. Порог решает, кого отметить.
- Масштабируй признаки (7 мин): kNN складывает разницы по признакам, поэтому признак с большими числами (граммы) может заглушить признак с маленькими (сантиметры).
- Ищем группы: кластеризация (7 мин): Кластеризация находит группы в данных без меток: это обучение без учителя.
- Кривые данные, кривая машина (7 мин): Смещение данных: если группа редка в обучающих данных, модель мало о ней узнаёт и чаще на ней ошибается.
- Как лента выбирает: рекомендации (7 мин): Рекомендательная система предлагает то, что понравится, по тому, что нравилось похожим на тебя людям: коллаборативная фильтрация, kNN, где точки это зрители.
- Проект: стань дата-сайентистом (8 мин): Конвейер: данные, разбиение, модель, оценка, отчёт.
Уроки интерактивные и работают на JavaScript. Включи его, чтобы играть.
