Задача. Машинное обучение, код в Python, лучше выполнить в Google Colab.
1. Загрузите данные. Используйте датасет с ирисами. Его можно загрузить непосредственно из библиотеки Sklearn. В данных оставьте только 2 класса: Iris Versicolor, Iris Virginica.
2. Самостоятельно реализуйте логистическую регрессию, без использования метода LogisticRegression из библиотеки. Можете использовать библиотеки pandas, numpy, math для реализации. Оформите в виде функции. *Оформите в виде класса с методами.
3. Реализуйте метод градиентного спуска. Обучите логистическую регрессию этим методом. Выберете и посчитайте метрику качества. Метрика должна быть одинакова для всех пунктов домашнего задания. Для упрощения сравнения выберете только одну метрику.
4. Повторите п. 3 для метода скользящего среднего (Root Mean Square Propagation, RMSProp).
5. Повторите п. 3 для ускоренного по Нестерову метода адаптивнои? оценки моментов (Nesterov–accelerated Adaptive Moment Estimation, Nadam).
6. Сравните значение метрик для реализованных методов оптимизации. Можно оформить в виде таблицы вида |метод|метрика|время работы| (время работы опционально). Напишите вывод.
Дамир
ТГУ
Спасибо большое,работу выполнил Семен за несколько часов. Без замечаний,все отлично. Больш...
Елена
Севастопольский государственный университет Морской колледж
Все как всегда правильно! Очень рекомендую исполнителя. Обращаемся только к нему
Заказчик
Университет Управления - «ТИСБИ»
Задание выполнено досрочно, без ошибок. Четко и понятно. Выполнили все по требованию. Спа...
Ксения
Воскресенский колледж
Очень хорошее оформление по ГОСТу, ссылки сноски сделаны идеально. Выполнили срочный заказ...