https://www.youtube.com/watch?v=lv02Jao4cQQ
https://slides.com/bogdansalyp/deck-0b8877/fullscreen
Ссылка: https://slides.com/bogdansalyp/deck-0b8877/fullscreen
https://colab.research.google.com/drive/1J6VD7MwujvbdQqBdlc3ElFz-QA0DF3EK?usp=sharing
Изучите, что такое skewed classes и как решать их проблему в sklearn. Прочитайте о том, что такое sparse data и skewed classes.
Самому реализовать БИНАРНУЮ логистическую регрессию на Python (не обязательно для Nмерных фич, но желательно). Если хотите упростить себе задачу, используйте готовый код на чистом Python из второй лекции и модифицируйте его. В ноутбуке должно быть обучение вашего кода на Iris и score на Iris.
Самостоятельно разберите алгоритм SVM и попробуйте его на датасете Iris с помощью sklearn (должно быть в ноутбуке с ДЗ). В чём основная идея SVM? Какая функция ошибки используется в SVM? Что такое SVM Kernel? На РК могут быть подобные вопросы. Самый понятный источник - SVM and Kernel SVM
