Лабораторные работы по курсу машинного обучения студентов четвертого курса НИУ ИТМО.

Рекомендуемые языки программирования: Python, Matlab(Octave). По согласованию с преподавателем возможны другие варианты.

Работа с репозиторием ведется по схеме fork & pull

Структура каталогов: <имя.фамилия> - папка с личными наработками. Внутренняя организация оставляется на личное усмотрение.

Блок лабораторных работ по распознаванию раковых клеток cancer.

####1. Линейный перцептрон

Ключевые пункты:

• загрузка данных,
• разделение на обучающую и тестовую выборку,
• обучение классификатора,
• вычисление ошибки обучения на тестовых данных,
• вычисление точноcти и полноты классификации.

####2. Метод опорных векторов (SVM) Реализуйте алгоритм. Регуляризационную константу C выберите при помощи кросс-валидации.

Ключевые пункты:

• обучение классификатора,
• вычисление ошибки обучения на тестовых данных,
• выбор параметра алгоритма при помощи кросс-валидации.

Блок лабораторные работы по распознаванию рукописных цифр архива MNIST.

####1. Метод опорных векторов (SVM) Реализуйте алгоритм. Регуляризационную константу C выберите при помощи кросс-валидации.

Ключевые пункты:

• загрузка данных,
• обучение классификатора,
• вычисление ошибки обучения на тестовых данных,
• выбор параметра алгоритма при помощи кросс-валидации.