Курс на Stepik
Обложка курса «Машинное обучение: Метрики качества классификации и регрессии» на Stepik
880₽ -23%
--:--:--
680

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 133
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 880 ₽
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. 1 сентября 2026

Метрики классификации

20 уроков
1. Введение
2. accuracy_score()
3. confusion_matrix()
4. multilabel_confusion_matrix()
5. ConfusionMatrixDisplay
6. precision_score()
7. recall_score()
8. precision_recall_curve()
9. PrecisionRecallDisplay
10. roc_curve()
11. RocCurveDisplay
12. roc_auc_score(), auc()
13. f1_score(), fbeta_score()
14. precision_recall_fscore_support()
15. classification_report()
16. det_curve()
17. DetCurveDisplay
18. cohen_kappa_score()
19. top_k_accuracy_score()
20. dcg_score(), ndcg_score()

Метрики для измерения потерь

3 урока
1. log_loss()
2. brier_score_loss()
3. hamming_loss()

Метрики регрессии

11 уроков
1. mean_absolute_error()
2. mean_absolute_percentage_error()
3. mean_squared_error(), root_mean_squared_error()
4. mean_squared_log_error(), root_mean_squared_log_error()
5. median_absolute_error(), max_error()
6. r2_score()
7. explained_variance_score()
8. d2_absolute_error_score()
9. mean_pinball_loss()
10. make_scorer()
11. PredictionErrorDisplay