В проектах я применял методы машинного обучения для решения задач классификации и регрессии. Например, использовал библиотеки scikit-learn и TensorFlow для построения моделей, таких как логистическая регрессия, случайный лес и нейронные сети. В одном из проектов я реализовал систему предсказания оттока клиентов, где на основе исторических данных обучал модель, которая помогала выявлять клиентов с высоким риском ухода.

Пример простого кода с использованием scikit-learn для классификации:

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score

# Загрузка данных
iris = load_iris()
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.3, random_state=42)

# Обучение модели
model = RandomForestClassifier(n_estimators=100, random_state=42)
model.fit(X_train, y_train)

# Предсказание и оценка
predictions = model.predict(X_test)
print(f'Accuracy: {accuracy_score(y_test, predictions):.2f}')

Расскажите о вашем опыте применения методов машинного обучения в проектах.