Нейросеть против Scikit-Learn. Кто победит ?

• Нейронная сеть состоит из входного слоя, скрытых слоев и выходного слоя.  

• Входной слой содержит все значения, скрытые слои обучаются, а выходной слой формирует вектор уверенности.  

• Вход-вектор используется для облегчения обучения модели.  

• Данные загружаются с Google Диска и импортируются в Python.  

• Используются библиотеки для работы с Google Диском и Pandas.  

• Данные делятся на тренировочные и тестовые наборы.  

• Создается модель из библиотеки Scikit-learn.  

• Используется дерево решений для классификации данных.  

• Данные делятся на тренировочные и тестовые наборы.  

• Импортируются библиотеки для работы с TensorFlow.  

• Создается модель TensorFlow для классификации данных.  

• Модель обучается с использованием статистического градиентного спуска.  

• Создается функция для создания модели PyTorch.  

• Определяются входные и выходные слои, а также количество нейронов.  

• Модель обучается и тестируется для оценки результатов.  

• Обсуждение метода обучения и переобучения.  

• Пример с 500 эпохами и 250 эпохами переобучения.  

• Важность построения графика для определения переобучения.  

• Обсуждение критериев и потерь.  

• Порядок передачи критериев и потерь не важен.  

• Использование оптимизатора для обучения модели.  

• Тестирование модели с использованием потерь.  

• Определение переменных и параметров модели.  

• Создание тройного списка потерь и тестовых потерь.  

• Преобразование данных в тензоры.  

• Импорт необходимых библиотек.  

• Запуск и тестирование модели.  

• Исправление ошибок в коде.  

• Комментирование и исправление ошибок.  

• Продолжение обучения модели.  

• Построение графика потерь и тестовых потерь.  

• Настройка легенды и отображение графика.  

• Определение точности и потерь модели.  

• Создание функции для лидерборда.  

• Определение первого, второго и третьего мест.  

• Оформление лидерборда и вывод результатов.  

• Подведение итогов соревнований.  

• Определение победителей и призеров.  

• Заключение и прощание с зрителями.