Курс на Stepik
Обложка курса «Машинное обучение: Метрики качества классификации и регрессии» на Stepik
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 140
Сертификаты, выданные на курсе «Машинное обучение: Метрики качества классификации и регрессии»Сертификатов выдано 16
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. 28 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 ↗