Тёмный

Основы Scikit-learn | Машинное Обучение На Python 

PyLounge - программирование на Python и всё о IT
Просмотров 43 тыс.
50% 1

В этом видео мы изучим основы библиотеки scikit-learn для языка программирования Python. Рассмотрим базовые принципы, классы моделей машинного обучения, функции оценки качества моделей, методы обработки данных и многое другое.
Scikit-learn - бесплатная библиотека машинного обучения для языка программирования Python.
✔ Instagram: / py_lounge
✔ Telegram: t.me/pylounge
✔ Ссылка на группу ВКонтакте: pylounge​​
✔ Канал PyLounge: / @pylounge
✔ Twitter: / pylounge
✔ По вопросам сотрудничества и предложений: peoplesdreamer@gmail.ru
✔ Music: www.free-stock-music.com​​
✔ Хочешь поддержать канал: Никнейм QIWI Кошелька - PYLOUNGE
Материалы из видео:
✔ Документация scikit-learn: scikit-learn.org/stable/
✔ Исходный код (.ipynb) из видео: topic-194576836_47691028
✔ Основы Jupyter Notebook (Python): • Основы Jupyter Noteboo...
✔ Основы NumPy Python: • Основы NumPy Python | ...
✔ Основы Pandas Python: • Основы Pandas Python |...
✔ Основы Matplotlib: • Основы Matplotlib | По...
✔ Библиотеки Для Машинного Обучения: Scikit-learn, TensorFlow, Keras, PyTorch: • Библиотеки Для Машинно...
Привет! Я долго занимаюсь программированием, в частности программирование на языке Python. Я много чего узнал за это время, и мне есть, чем поделиться со зрителями моего канала. Здесь выходят разнообразные ролики, касающиеся IT-тематики и программирования. Подписывайся, будем узнавать что-то новое и работать вместе! Погнали!
#scicit_learn #pylounge #python #ityoutubersru

Опубликовано:

 

4 июл 2021

Поделиться:

Ссылка:

Скачать:

Готовим ссылку...

Добавить в:

Мой плейлист
Посмотреть позже
Комментарии : 60   
@iyshrshjt
@iyshrshjt 2 года назад
6:37 - Тренировочные данные 8:53 - Стандартизация 12:18 - Бинаризация 15:24 - Кодирование категориальных признаков 17:46 - С учителем: линейная регрессия, SVM, наивный байесовский, метод ближайших соседей 20:11 - Без учителя: метод главных компонент, К - средних 21:58 - Обучение модели / предсказание 26:40 - Оценка качества модели 32:30 - Кросс валидация 37:10 - Оптимизация модели 40:59 - Большой пример 44:50 - Сохранение и загрузка
@pylounge
@pylounge 2 года назад
Уважаемо)
@-2190
@-2190 5 месяцев назад
Йомайо, Метод Pca ,уже вывели в ряд с методами без учителя? Это ж просто метод уменьшение размерности,шума,и мультиcov, Он не способен решать задачи кластеризации, Метод независимых компонент ,уже на такое способен,и его можно назвать методом без учителя ,
@user-nn5wp3rd1t
@user-nn5wp3rd1t 2 года назад
Огромное спасибо! Как раз то, что я искала. Супер понятный обзор, а насколько кому и куда нужно углубиться - это уже личный выбор.
@alarconx5449
@alarconx5449 2 года назад
Спасибище!!! Это искусство уметь объяснять сложные вещи просто! Все очень понятно.
@oleksandrkashytskyi1887
@oleksandrkashytskyi1887 2 года назад
Шикарно!!!
@PianoRelax1988
@PianoRelax1988 2 года назад
Большое вам спасибо ! Все так качественно и понятно ! Большая просьба сделайте уроки для библиотек Tensorflow и Keras )
@user-br2uw8jt1c
@user-br2uw8jt1c Год назад
Спасибо, появилось понимание структуры
@user-ro3rw9vp4f
@user-ro3rw9vp4f 11 месяцев назад
Огонь вообще!)
@devold5000
@devold5000 Год назад
Уау! Нет слов, спасибо!
@user-fq1nx3iv1j
@user-fq1nx3iv1j 2 года назад
Очень качественное объяснение. Спасибо.
@P0C0M3
@P0C0M3 Год назад
Нихера не качественное,закинули какой то рандомный пример и иди разбирайся что там
@porcher1983
@porcher1983 Год назад
Просто лучший!
@user-xi4fm6pn9m
@user-xi4fm6pn9m 2 года назад
Отличное видео.
@user-ny2qu9vw9p
@user-ny2qu9vw9p Год назад
Привет, спасибо за проделанную работу. просьба добавить больше описание желаемой цели и результата. и объяснения хода действий.
@user-po2wh2pe5z
@user-po2wh2pe5z 2 года назад
Оченъ понятно спасибо
@pirozhok3563
@pirozhok3563 2 года назад
Лучший!
@yakov.lopatin
@yakov.lopatin 3 года назад
Комментарий для продвижения канала!
@olegsmolov9580
@olegsmolov9580 Год назад
спасибо за видос
@unaibekovbakhyt6517
@unaibekovbakhyt6517 2 года назад
Спасибо большое. По pytorch бы глянуть видео от вас)
@alkha7144
@alkha7144 Год назад
В поддержку.
@user-ei7rs2xi2c
@user-ei7rs2xi2c 3 месяца назад
прости, но я сначала ты подумал, что ты Роман с simply formula. Голос похож)) Классный ролик!
@user-zr2md3tu3h
@user-zr2md3tu3h Год назад
Спасибо
@zigyias347
@zigyias347 7 месяцев назад
рахмат
@pythonike
@pythonike 3 года назад
Продвижение канала
@pylounge
@pylounge 3 года назад
Урок по какой библиотеке хотели бы увидеть вы в следующий раз?)
@maxim_maximovych
@maxim_maximovych 3 года назад
Если можно, ещё разобрать NLTK (Natural Language Toolkit)
@Vova21rus
@Vova21rus 3 года назад
Обзор библиотеки PyTorch
@f1awe861
@f1awe861 2 года назад
tensorwlow )
@utka111
@utka111 Год назад
Pandas
@pylounge
@pylounge Год назад
@@utka111 Есть уже ролик на канале)
@ievgenii.okhrymenko
@ievgenii.okhrymenko 2 года назад
Видео, супер, все по полочкам. Скажи пожалуйста, а где можно скачать этот блокнот, что в видео?
@pylounge
@pylounge 2 года назад
github.com/pylounge/pylounge-data-scientist-starter-pack
@ievgenii.okhrymenko
@ievgenii.okhrymenko 2 года назад
@@pylounge Спасибо большое + еще подписался на твой GitHub
@YbisZX
@YbisZX 4 месяца назад
@@pyloungeТы напутал на 11:50. Все что ты говорил про масштабы признаков исправляется стандартизацией. Нормализация совсем для другого нужна. Сам посмотри - как была разница в признаках на порядки - так и осталась: было миллионы к одному, а стало один к миллионной. И выборку испортил - признаки в первом столбце были одного порядка, а стали вдруг отличаться на два порядка.
@vasil-vasil
@vasil-vasil 5 месяцев назад
А если мне нужно для оценки учитывать соседние ячейки. Есть такой функционал?
@l7l7l7lful
@l7l7l7lful Год назад
Хоспаде сколько же тебе на пиво скинуть , чувствую сколько времени сэкономил смотря твои видео и меня переполняют чувства благодарности
@pylounge
@pylounge Год назад
Если хочется поддержать канал, то лайка и коммента более чем достаточно) Если же распирает поделиться монеткой, то сюда: 💸 Хочешь поддержать канал: qiwi.com/n/PYLOUNGE (Никнейм QIWI Кошелька - PYLOUNGE) 💰 Donation Alerts: www.donationalerts.com/r/pylounge
@alexandertsikhun7733
@alexandertsikhun7733 Год назад
а где датасеты то скачать?
@silava7372
@silava7372 2 года назад
Реально ли сделать с этой библиотекой бота для вов(мморпг) или для херстоуна ?
@geneticart4436
@geneticart4436 2 года назад
Возможно все. Главное смоч правильно интерпретировать задачу при помощи этой или других библиотек
@uj8921
@uj8921 3 месяца назад
Что такое Бостонские дома?
@l7l7l7lful
@l7l7l7lful Год назад
Очень интересно но примерно с середины видео ничего не понятно. Не хватает базовых знаний для воспринятия информации. Будем учить мат часть))
@atlasunicast
@atlasunicast 9 месяцев назад
The scikit-learn maintainers therefore strongly discourage the use of this dataset unless the purpose of the code is to study and educate about ethical issues in data science and machine learning.
@pythonike
@pythonike 3 года назад
24 просмотра
@mormonteg4073
@mormonteg4073 Год назад
С маток выпал 22:26
@user_ruslan_74
@user_ruslan_74 2 года назад
41:00 метрику лучшую так и не получил?
@pythonike
@pythonike 3 года назад
Я 25
@voinywolnyprod3046
@voinywolnyprod3046 2 года назад
Посмотрел примерно до середины. Очень много оговорок, в целом есть только описание методов самой библиотеки.
@user2305
@user2305 Год назад
Согласен. Похоже на обзорную экскурсию по методам. Как по мне все быстро и скомкано.
@mukhammadsodikkhabibulloev9281
@mukhammadsodikkhabibulloev9281 11 месяцев назад
Ммм, сначала бы разобраться с основными терминами... Манмикс 😂😂😂 ты что тут миксовый айран решил готовить... МИНМАКС
@datorikai9911
@datorikai9911 2 года назад
Пожалуйста английское е читайте как э а не как ё, нет там точек над е, режет слух
Далее
Разбор реальной data science задачи
38:51
I Built a SECRET McDonald’s In My Room!
36:00
Просмотров 15 млн
Основы Jupyter Notebook (Python)
33:32
Просмотров 68 тыс.