Курс на Stepik
Обложка курса «Машинное обучение: Метрики качества классификации и регрессии» на Stepik
1 280₽ -31%
--:--:--
880 ₽

Машинное обучение: Метрики качества классификации и регрессии ★ 5.000

Открыть на
STEPIK.ORG

Одним из основных требований к датасаентисту является – хорошее знание метрик качества оценки моделей машинного обучения. Обучить модель и сделать предсказания – это важный момент, но не менее важным является способность правильно оценить качество этих предсказаний, используя именно те метрики оценки, которые наиболее точно соответствуют вашим данным и целям конкретной задачи. В курсе рассмотрены метрики качества для задач классификации и регрессии с использованием библиотеки Scikit-learn.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Машинное обучение: Метрики качества классификации и регрессии»Учеников на курсе 121
Сертификаты, выданные на курсе «Машинное обучение: Метрики качества классификации и регрессии»Сертификатов выдано 15
Отзывы о курсе «Машинное обучение: Метрики качества классификации и регрессии»Отзывов получено 1
Рейтинг курса «Машинное обучение: Метрики качества классификации и регрессии»Рейтинг курса 5.000
Уроки в курсе «Машинное обучение: Метрики качества классификации и регрессии»Количество уроков 34
Тесты в курсе «Машинное обучение: Метрики качества классификации и регрессии»Количество квизов 90
Задачи с кодом в курсе «Машинное обучение: Метрики качества классификации и регрессии»Количество задач с кодом 101
Время прохождения курса «Машинное обучение: Метрики качества классификации и регрессии»Время прохождения курса —
Стоимость курса «Машинное обучение: Метрики качества классификации и регрессии»Стоимость курса 1 280 ₽ —
Обновления курса «Машинное обучение: Метрики качества классификации и регрессии»Обновления курса — —
Дата публикации курса «Машинное обучение: Метрики качества классификации и регрессии»Дата публикации курса — ———
Последнее обновление курса «Машинное обучение: Метрики качества классификации и регрессии»Последнее обновление — ———

Содержание курса

Разделы в курсе «Машинное обучение: Метрики качества классификации и регрессии» 3 раздела Уроки в курсе «Машинное обучение: Метрики качества классификации и регрессии» 34 урока Тесты в курсе «Машинное обучение: Метрики качества классификации и регрессии» 90 тестов Задачи в курсе «Машинное обучение: Метрики качества классификации и регрессии» 101 задача Время прохождения курса «Машинное обучение: Метрики качества классификации и регрессии» 11 ч. Последнее обновление курса «Машинное обучение: Метрики качества классификации и регрессии» обн. 13 мая 2026

1. Метрики классификации

20 уроков
Открытый
1.1 Введение ↗
206
206
4м 51с
8
Открытый
1.2 accuracy_score() ↗
358
37
18м 3с
14
Открытый
1.3 confusion_matrix() ↗
168
29
24м 25с
4
Закрытый
1.4 multilabel_confusion_matrix() ↗
37
25
31м 8с
3
Закрытый
1.5 ConfusionMatrixDisplay ↗
37
25
13м 34с
3
Закрытый
1.6 precision_score() ↗
40
23
58м 34с
3
Закрытый
1.7 recall_score() ↗
35
20
46м 38с
3
Закрытый
1.8 precision_recall_curve() ↗
27
19
32м 58с
3
Закрытый
1.9 PrecisionRecallDisplay ↗
27
20
9м 28с
1
Закрытый
1.10 roc_curve() ↗
29
18
45м 9с
3
Закрытый
1.11 RocCurveDisplay ↗
25
18
12м 24с
3
Закрытый
1.12 roc_auc_score(), auc() ↗
25
15
54м 19с
3
Закрытый
1.13 f1_score(), fbeta_score() ↗
26
15
20м 11с
1
Закрытый
1.14 precision_recall_fscore_support() ↗
21
15
27м 48с
2
Закрытый
1.15 classification_report() ↗
20
15
16м 42с
2
Закрытый
1.16 det_curve() ↗
19
15
18м 20с
1
Закрытый
1.17 DetCurveDisplay ↗
18
15
9м 29с
1
Закрытый
1.18 cohen_kappa_score() ↗
21
14
18м 17с
2
Закрытый
1.19 top_k_accuracy_score() ↗
17
13
18м 51с
1
Закрытый
1.20 dcg_score(), ndcg_score() ↗
19
12
18м 15с
2

2. Метрики для измерения потерь

3 урока
Закрытый
2.1 log_loss() ↗
27
12
20м 46с
2
Закрытый
2.2 brier_score_loss() ↗
21
10
17м 51с
3
Закрытый
2.3 hamming_loss() ↗
19
11
10м 24с
1

3. Метрики регрессии

11 уроков
Закрытый
3.1 mean_absolute_error() ↗
25
17
18м 25с
2
Закрытый
3.2 mean_absolute_percentage_error() ↗
22
16
13м 17с
2
Закрытый
3.3 mean_squared_error(), root_mean_squared_error() ↗
22
13
14м 0с
2
Закрытый
3.4 mean_squared_log_error(), root_mean_squared_log_error() ↗
18
12
7м 27с
2
Закрытый
3.5 median_absolute_error(), max_error() ↗
20
10
13м 53с
2
Закрытый
3.6 r2_score() ↗
22
13
12м 20с
2
Закрытый
3.7 explained_variance_score() ↗
18
12
9м 58с
2
Закрытый
3.8 d2_absolute_error_score() ↗
15
11
5м 20с
1
Закрытый
3.9 mean_pinball_loss() ↗
14
12
3м 6с
1
Закрытый
3.10 make_scorer() ↗
13
11
7м 5с
1
Закрытый
3.11 PredictionErrorDisplay ↗
15
10
2м 51с
0