Курс "Специалист по искусственному интеллекту". Урок 11. Классификация, Perceptron и кросс-валидация

Одиннадцатый урок курса «Специалист по искусственному интеллекту». Переходим к изучению задач классификации. Разбираем разницу между бинарной и многоклассовой классификацией, исследуем легендарный датасет «Ирисы Фишера», обучаем линейный классификатор (Perceptron) и боремся с нестабильностью оценок с помощью K-блочной кросс-валидации (K-Fold CV). Сегодня мы открываем большой новый класс практических задач — классификацию объектов. Это направление встречается в бизнес-практике еще чаще, чем регрессионный анализ: от спам-фильтрации и скоринга заемщиков до компьютерного зрения и медицинской диагностики. В этой лекции мы подробно обсудим: – Суть задачи классификации: отнесение объекта к заранее известным группам на основе его признаков. – Разницу между бинарной (двоичной) и многоклассовой классификацией. – Основные алгоритмы: перцептрон Розенблатта, логистическую регрессию, метод опорных векторов (SVM) и k-NN. – Как адаптировать бинарные алгоритмы под несколько классов: стратегии One-vs-Rest (OvR) и One-vs-One (OvO). – Что такое многолейбловая (Multi-label) классификация. – Легендарный датасет «Ирисы Фишера»: история создания, структура (150 объектов, 4 признака, 3 класса) и его загрузку из библиотеки Scikit-Learn. – Двумерную визуализацию признаков ириса в Seaborn (длина и ширина лепестка) и понятие линейной разделимости. – Линейный классификатор Perceptron как прародитель современных нейросетей: взвешенная сумма признаков, пороговая функция активации (ступенька Хевисайда)....