README.md

ML конспекты

Добро пожаловать в репозиторий с конспектами по машинному обучению! Репозиторий разделён по ноутбукам 1.ipynb, 2.ipynb, 3.ipynb ... N.ipynb. Каждый файл содержит в себе полное описание темы, её встроенные реализации, её ручные реализации, а так же математические формулы.

/data:

Папочка содержащая непосредственно датасеты.

1.ipynb:

1. Базовые понятия
2. Линейная регрессия
3. Градиентный спуск
4. Кросс-валидация
5. Регуляризация L1, L2
6. Мультиколлинеарность

2.ipynb:

1. EDA, методы обёртки и фильтрации
2. Работа с пропущенными значениями, выбросы
3. TF IDF, Лемматизация и стемминг
4. Бинарная классификация
5. Метрики бинарной классификации
6. ROC AUC, PR AUC, Калибровочная кривая

Как использовать

Чтобы изучить представленные темы, откройте файл N.ipynb в VS Code (ещё можно в Google Colab, в Jupiter будут съезжать KaTeX формулы). Внутри вы найдете теорию, реализации и формулы по ML.