dz11

[sssoneta]

Задача 11. Сравнение методов регрессии

Задача

• Найти данные, на которых интересно будет решать задачу регрессии.
• Считать данные, выполнить первичный анализ данных, при необходимости произвести чистку данных (Data Cleaning).
• Выполнить разведочный анализ (EDA), использовать визуализацию, сделать выводы, которые могут быть полезны при дальнейшем решении задачи регрессии.
• При необходимости выполнить полезные преобразования данных (например, трансформировать категориальные признаки в количественные), убрать ненужные признаки, создать новые (Feature Engineering).
• Используя подбор гиперпараметров, кросс-валидацию и при необходимости масштабирование данных, добиться наилучшего качества предсказания для библиотечных реализаций (например, из sklearn) четырёх регрессионных методов.
• Сравнить все обученные модели, построить графики зависимости выбранной loss function от времени обучения. Построить сравнительные графики точности для обученных моделей.
  Сделать выводы о полученных моделях в рамках решения задачи регрессии на выбранных данных.
• (+5 баллов) Самостоятельно реализовать один из регрессионных методов, с возможностью настройки гиперпараметров. Повторить все пункты задания для собственной реализации.
• (+3 балла) Используя два разных фреймворка автоматического машинного обучения, получить две модели для решения задачи регрессии. Сравнить полученные модели с использованными Вами.

[Krekep]

Зачтено без доп. задачи про собственную реализацию, этот пункт выполнен неверно