Визуальный анализ данных с Orange3. Классификационные задачи. скачать в хорошем качестве

Визуальный анализ данных с Orange3. Классификационные задачи.

ЧТО ТАКОЕ ORANGE3? Это визуальная среда анализа данных и построения data workflow: — написана на языке Python — переносима (portable) и доступна на Windows, macOS и Linux — использует стандартные библиотеки Numpy, Scipy и Scikit-learn — позволяет строить пайплайны (data analysis pipelines), причем мышью, без программирования. ЧТО ДЕЛАЮ НА ВИДЕО: Решаю задачу машинного обучения с учителем. Показываю, как пользоваться инструментами анализа классификационных задач: логистическая регрессия наивный байесовский метод деревья решений нейронные сети оценка и сравнение моделей. ЧТО АНАЛИЗИРУЮ? Краудфандинговые кампании с Kickstarter. Посмотрим, какие кампании (с какими признаками) чаще собирают нужную сумму. ОГЛАВЛЕНИЕ: 0:00:01 - приветы от ведущего 0:14:05 - краткий обзор различий между Machine Learning, Data Science и Data Engineering 0:16:00 - обзор Orange и его документации 0:20:30 - обзор виджетов 0:25:20 - обзор методологии анализа данных 0:28:15 - различие между классификационными и регрессионными задачами, обучением с учителем и без 0:36:30 - импорт данных, виджет File 0:39:35 - обзор датасета, виджеты Info и Data Table 0:54:30 - обзор виджетов для работы с загруженными данными (выделение подмножества данных, вставка отсутствующих данных, создание синтетических признаков) 1:03:05 - обзор виджетов алгоритмов классификации 1:07:50 - ответ на вопрос про максимальный размер обрабатываемых данных 1:09:25 - про аналогичные визуальные инструменты 1:10:30 - голосование за первый алгоритм классификации 1:11:05 - про многоклассовую классификацию 1:14:50 - применение наивного Байесовского классификатора, оценка качества, виджет Test and Score 1:22:40 - виджет ROC 1:27:25 - виджет Confusion Matrix 1:29:20 - применение логистической регрессии 1:31:50 - применение SVM 1:35:15 - применение нейронной сети 1:40:05 - про градиентный спуск 1:47:25 - применение дерева решений 1:50:25 - визуализация дерева решений 1:54:00 - небинарное дерево решений 1:57:30 - про относительное влияние факторов и выбор наиболее значимых 1:59:15 - виджет Rank, автоматическое ранжирование и выбор факторов 2:11:55 - применение Random Forest 2:16:10 - немного про ансамблевые модели и бустинг 2:20:00 - про визуализацию Random Forest 2:23:40 - выводы 2:25:45 - про визуализацию 2:28:50 - применение виджета Scatter Plot 2:32:15 - финальные слова благодарности  *** #dataAnalysis #neuralNetwork #machineLearning