Это сборник блокнотом на тему регрессионных задач.

Одна папка - один проект. Пректы указаны снизу. Про каждый проект указана базовая информация, дабы если Вы здесь для того, чтобы посмотреть на блокноты, что относятся к задачам определённого типа, Вам их было легче найти. Базовая информация включает в себя:

1. Устройство данных (таблица, текст, аудио и т.д)
2. Тип задачи (классификация, регрессия, ранжирование и т.д)
3. Подход к решению (классические/нейросетевые методы или комбинированный подход)
4. Основные использованные в проекте библиотеки
5. Краткое описание непосредственно данных

Более подробная информация о каждом из проектов в readme соответствующей папки. Если явно не оговорено обратное, используется Python. Список снизу приведён в порядке, обратном к хронологическому

Все рассуждения в присутствующих тут блокнотах на правильность ни в коем случае не претендуют. Использовать эти блокноты с целью научиться несредственно машинному обучению я бы не рекомендовал. Единственное, чему отсюда можно именно научиться - это избегать грабель, что сжигают и нервы, и кучу времени.

1. Устройство данных: таблица
2. Тип задачи: регрессия
3. Подход к решению: классический
4. Основные использованные библиотеки: numpy, pandas, scikit-learn
5. Краткое описание данных: классический датасет House Prices. Классическая задача, с которой kaggle предлагает начать знакомство с задачами регрессии. Так я и поступил. Дома описаны рядом признаков, требуется построить модель, предсказывающую цену. Описание признаков можно найти по ссылке выше или непосредственно в блокноте. В последнем признаки описываются по мере их рассмотрения.