Passer au contenu principal

Blocs

Passer Navigation

Navigation

  • Tableau de bord

    • Accueil du site

    • Pages du site

      • Mes cours

      • Tags

      • FichierІнструкція для здобувачів освіти до вибору дисципл...

      • URLВибір дисциплін на 2026-2027 навчальний рік

      • URLВибір дисциплін на 2025-2026 навчальний рік

      • URLВибір дисциплін на 2024-2025 навчальний рік

      • ForumНовини сайту

      • URLІнструкція - основи роботи з системою Moodle

      • URLЦИВІЛЬНИЙ ЗАХИСТ

      • DossierНормативна база СЕЗН

      • URLВідновлення пароля

      • FichierПам’ятка для користувача системи Moodle

      • FichierСистема оцінки курсу

      • FeedbackОцінка якості курсу

    • Mes cours

    • Cours

      • Факультети, кафедри

        • Біологічний факультет

        • Економічний факультет

        • Журналістики факультет

        • Інженерний навчально-науковий інститут ім. Ю.М. По...

        • Іноземної філології факультет

        • Математичний факультет

          • Кафедра загальної математики

          • Кафедра загальної та прикладної фізики

          • Кафедра комп'ютерних наук

          • Кафедра прикладної математики і механіки

          • Кафедра програмної інженерії

            • archive

            • Методи інтелектуального аналізу даних

            • Алгоритми та структури даних (Прикладна математика)

            • Технології Big Data

            • Машинне навчання (Математичні основи машинного нав...

            • Проєктування та аналіз обчислювальних алгоритмів

            • C/к Сучасні СУБД (Плюта Н. В.)

            • 2 Програмне забезпечення наукових досліджень (магі...

            • Автоматизоване тестування (Кудін О.В.)

            • Автоматизоване тестування Web-додатків (Кудін О.В.)

            • Адміністрування комп'ютерних систем (Горбенко В.І.)

            • Алгебра та геометрія Дисципліна вільного вибору ст...

            • Основи машинного навчання

              • Généralités

              • 1. Пояснювальний аналіз даних.

              • 2. Попередня обробка даних

              • 3. Лінійні моделі прогнозування

                • DevoirЛабораторна робота №3. Лінійна регресія. Множинна ...

                • DevoirЛабораторна робота №4. Логістична регресія

                • URLПриклад регресії

                • URLПокращений приклад регресії

                • URLЛогістична регресія

              • 4. Моделі інформаційного навчання

              • 5. Моделі на основі схожості та помилок

              • 6. Ансамблеві моделі

              • 7. Навчання без вчителя

              • 8. Організація обчислювального процесу моделей маш...

              • Екзамен

          • Кафедра фундаментальної та прикладної математики

          • Практична підготовка математичного факультету

          • Інформація, Статистика Математичного факультету

        • Менеджменту факультет

        • Соціальної педагогіки та психології факультет

        • Соцiологiї та управлiння факультет

        • Факультет історії та міжнародних відносин

        • Факультет фізичного виховання, здоров'я та туризму

        • Філологічний факультет

        • Юридичний факультет

      • Аспірантура

      • Науково-технічна позашкільна освіта

      • Відділ доуніверситетської підготовки, профорієнтац...

      • Адміністративний розділ

      • Центр післядипломної освіти та професійних кваліфі...

      • Школа педагогічної майстерності

  • Connexion

Основи машинного навчання

Вибір дисциплін Replier Déplier
Вибір дисциплін Replier Déplier
Обрати дисципліни Статистика вибору дисциплін ВМУ
  1. Cours
  2. Факультети, кафедри
  3. Математичний факультет
  4. Кафедра програмної інженерії
  5. Основи машинного навчання
  6. 3. Лінійні моделі прогнозування
  7. Лабораторна робота №4. Логістична регресія

Лабораторна робота №4. Логістична регресія

Conditions d’achèvement

Для набору даних Fraud detecton (https://www.kaggle.com/datasets/whenamancodes/fraud-detection)

1. Провести описовий аналіз даних.

2. Виконати попередню обробку даних.

3. Побудувати декілька моделей класифікації та порівняти ефективність. Протестувати ефективність моделей з різними варіантами попередньої обробки даних.

Activité précédente
Лабораторна робота №3. Лінійна регресія. Множинна лінійна регресія. Методи регуляризації
Activité suivante
Приклад регресії
Résumé de conservation de données
Obtenir l’app mobile