supervised-learning

Этот репозиторий представляет собой исчерпывающее руководство по машинному обучению с учителем, начиная с фундаментальной математики, такой как производные, вероятность и логарифмы. В нем используется пошаговый подход к выводу математических концепций перед переходом к современным инструментам. Ключевые образовательные компоненты включают: - Logistic Regression: теория и реализация с нуля с использованием набора данных Wisconsin Breast Cancer, а также реализация промышленного уровня на PyTorch. - Decision Trees: глубокое изучение теории с реализациями с нуля и практическое применение для прогнозирования цен на жилье в Лондоне с использованием Scikit-learn, Random Forests и XGBoost. - ATLAS (Automated Tree Learning Analysis System): система для проектирования признаков и сравнения моделей. - Датасеты: интеграция наборов данных Wisconsin Breast Cancer и London Housing Prices для задач классификации и регрессии. Материалы представлены в виде блокнотов Jupyter, совместимых с Google Colab для запуска в браузере.