|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/ittensive-machine-learning-features/
课程评论：没有评论
课程名称：机器学习：使用Python进行因子提取 课程概述：本课程围绕2020年黑客马拉松的一个任务进行，通过分析影响俄罗斯人寿命的因素，探讨数据降维的基础与应用方法。最终，我们将基于提取出的因素构建一个模型集成，以预测人寿。 课程分为四个部分： 第一部分：介绍数据处理的各个阶段，包括任务类型的识别与定义，以及利用机器学习模型来最小化预测误差。我们还将学习机器学习模型的基本原理、基本指标以及一些简单模型，例如线性回归、决策树和随机森林，以及机器学习的集成方法。 第二部分：通过实践学习数据的清洗与预处理（ETL）、线性回归的应用、带正则化的线性回归用于因子提取、及用于降维的信息准则。课程最后将创建一个由简单降维模型组成的集成模型。 第三部分：专注于矩阵方法，包括主成分分析（PCA）、奇异值分解（SVD）、独立成分分析（ICA）和非负矩阵分解（NMF）。我们将通过矩阵方法来完善无监督学习的解决方案。 第四部分：探讨非线性方法，包括多维缩放（MDS）、t-SNE、UMAP和LargeVis。我们将巩固降维模型集成，并利用重要的宏观经济指标预测俄罗斯的人寿。 本课程适合想要深入学习机器学习及数据降维技术的学员。
Внимание: для доступа к курсам ITtensive на Udemy напишите, пожалуйста, на support@ittensive.com с названием курса или группы курсов, которые хотите пройти.Мы разберем задачу хакатона 2020 года по выделению факторов, в наибольшей степени влияющих на продолжительность жизни в России, с точки зрения фундаментальных и прикладных подходов к понижению размерности данных. В заключении построим ансамбль моделей для предсказания продолжительности жизни, базируясь на выделенных факторах.Курс разбит на 4 части. В первой части мы последовательно пройдем все этапы работы с данными: от видов задач и их постановки до работы с моделями машинного обучения для минимизации предсказательной ошибки. Дополнительно рассмотрим фундаментальные основы построения моделей машинного обучения, базовые метрики и наиболее простые модели - линейную регрессии, решающие деревья и случайный лес. А также ансамбли машинного обучения.Во второй части на практике разберем:Очистку и предобработку данных - ETLЛинейную регрессию для экстраполяции данныхЛинейную регрессию с регуляризацией для выделения факторовИнформационные критерии понижения размерностиВ заключении создадим ансамбль стекинга из простых моделей понижения размерности.Третья часть посвящена матричным методам:Метод главных компонент (PCA)Сингулярное разложение (SVD)Анализ независимых компонент (ICA)Положительно-определенные матрицы (NMF)Уточним решение задачи обучения без учителя через матричные методы.В четвертой части рассмотрим нелинейные подходы:Многомерное шкалирование (MDS).t-SNEUMAPLargeVisСтабилизируем ансамбль понижения размерности и используем его для предсказания продолжительности жизни в России, основываясь на наиболее важных макроэкономических показателях.
