• Подготовить и очистить данные

Убрать неважные признаки

• Проанализировать и выбрать гиперпараметры

• Провести анализ данных

• Настроить процесс регуляризации

• Кластеризация

• Регрессия

• Классификация

• Оптимизация

• Точность (Accuracy)

• Среднеквадратичная ошибка (MSE)

• Полнота (Recall)

• Взвешенная ошибка регрессии

Коэффициент детерминации (R2)

• split_dataset()

• data_split()

• train_test_split()

• divide_data()

• Преобразование категориальных признаков в числовой формат для корректной работы модели

Присвоение каждому числовому значению категории для удобства интерпретации

• Преобразование категориальных данных в бинарные или числовые значения для работы с моделью

• Замена числовых данных на категориальные значения для более точной интерпретации

Изменение признаков на основании результатов обучения модели

Permutation importance

• Mutual Information

• K-Means

• Random Forest Feature Importance

• Decision Trees

• Параметры, которые модель учит на данных

• Количество данных в выборке

• Визуальные представления данных

• Параметры, которые задаются до обучения модели

Настройки, которые влияют на процесс обучения модели

• Предсказание цены

• Классификация картинок

• Группировка похожих объектов

• Интерпретация текста

• Объяснение логики работы модели

Построение визуализаций

• Оптимизация кода

Анализ значимости признаков

• Увеличение точности модели

Для подбора гиперпараметров модели

• Для работы с текстами

• Для интерпретации моделей

• Для визуализации данных

• Увеличение количества данных

Улучшение качества данных

• Кодирование категориальных данных

• Приведение данных к единому масштабу

Нормализация распределения данных

• Модели обучаются на размеченных данных

Классификация данных на основе известных категорий

Создание прогнозов по известным меткам

• Модели обучаются без меток на данных

• Cross Validation

• Grid Search

Optuna

• Feature Selection

Random Search

• Для подбора гиперпараметров

Для предварительного анализа и понимания структуры данных

• Для увеличения точности модели

• Для обнаружения закономерностей и аномалий в данных

Для создания датасетов

• One-Hot Encoding

• Standardization

• Label Encoding

• Target Encoding

• PCA