Какие алгоритмы машинного обучения тебе приходилось применять в практике?

В практике я применял несколько основных алгоритмов машинного обучения:

• Линейная регрессия для прогнозирования числовых значений, например, цены или спроса.
• Логистическая регрессия для задач классификации, например, определение спама в почте.
• Деревья решений и случайный лес для классификации и регрессии, хорошо работают с табличными данными.
• Метод опорных векторов (SVM) для задач классификации с четким разделением классов.
• Кластеризация (K-means) для группировки данных без меток.
• Нейронные сети (например, с использованием TensorFlow или PyTorch) для более сложных задач, таких как обработка изображений или текста.

Пример использования логистической регрессии на Python с библиотекой scikit-learn:

from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.datasets import load_iris

# Загружаем данные
X, y = load_iris(return_X_y=True)

# Разбиваем на обучающую и тестовую выборки
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

# Создаем и обучаем модель
model = LogisticRegression(max_iter=200)
model.fit(X_train, y_train)

# Оцениваем точность
accuracy = model.score(X_test, y_test)
print(f"Точность модели: {accuracy:.2f}")