Введение в ML, классификация (часть 2)

Практическое занятие по задаче классификации данных с тремя и более классами (multiclass). Рассмотрены модели на основе логистической регрессии (OvR logit), LDA/QDA и метрики оценки производительности модели (ROC/AUC, precision/recall) для трех и более классов. ipynb: Содержание: 00:00 введение 01:56 данные и препроцессинг 09:21 логистическая регрессия для 3 классов 23:15 оценка параметров модели для 3 классов 36:55 линейный/квадратный дискриминативный анализ 44:09 кросс-валидация и выбор модели