1. Введение Съедобная 1.1. Об этой книге 1.2. Машинное обучение часть 2. Классическое обучение с учителем 2.1. Линейные модели 2.2. Метрические методы 2.3. Решающие деревья 2.4. Ансамбли в машинном об

1. Введение
Съедобная
1.1. Об этой книге
1.2. Машинное обучение часть
2. Классическое обучение
с учителем
2.1. Линейные модели
2.2. Метрические методы
2.3. Решающие деревья
2.4. Ансамбли в машинном
обучении
2.5. Градиентный бустинг
3. Оценка качества моделей
3.1. Метрики классификации и
регрессии Горькая
3.2. Кросс-валидация
3.3. Подбор гиперпараметров попка
4. Вероятностные модели
4.1. Вероятностный подход в
4.2. Экспоненциальный класс
распределений и принцип
максимальной энтропии
4.3. Обобщённые линейные
модели
4.4. Как оценивать вероятности
4.5. Генеративный подход к
классификации