Udemy, Центр digital-профессий ITtensive - Машинное обучение: выделение факторов на Python (2021) бесплатно

Продолжение описания:

Во второй части на практике разберем:
Очистку и предобработку данных - ETL

• Линейную регрессию для экстраполяции данных
  
• Линейную регрессию с регуляризацией для выделения факторов
  
• Информационные критерии понижения размерности
  
• В 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-SNE
  
• UMAP
  
• LargeVis

Стабилизируем ансамбль понижения размерности и используем его для предсказания продолжительности жизни в России, основываясь на наиболее важных макроэкономических показателях.