38 lines
3.4 KiB
Markdown
38 lines
3.4 KiB
Markdown
# Глоссарий модуля 06
|
||
|
||
- **Baseline** — простое воспроизводимое решение для проверки полезности модели.
|
||
- **Train / validation / test** — части данных для fit, выбора решений и
|
||
однократной итоговой оценки соответственно.
|
||
- **Кросс-валидация (CV)** — оценка процедуры по нескольким чередующимся holdout.
|
||
- **Nested CV** — внешний цикл оценки и внутренний цикл подбора.
|
||
- **Стратификация** — сохранение долей классов в разбиениях.
|
||
- **Утечка данных** — использование информации, недоступной при реальном прогнозе.
|
||
- **Параметр** — величина, оцениваемая алгоритмом на train.
|
||
- **Гиперпараметр** — настройка процедуры обучения, выбираемая на validation.
|
||
- **Эмпирический риск** — средняя loss на конечной выборке.
|
||
- **Регуляризация** — ограничение сложности через штраф или ограничение параметров.
|
||
- **Ridge / Lasso** — линейные модели с \(L_2\)-/\(L_1\)-штрафом.
|
||
- **Logit** — логарифм отношения шансов: \(\log[p/(1-p)]\).
|
||
- **kNN** — предсказание по ответам ближайших обучающих объектов.
|
||
- **Naive Bayes** — байесовский классификатор с условной независимостью признаков.
|
||
- **SVM** — модель максимального зазора с hinge loss.
|
||
- **Опорный вектор** — объект на границе зазора или нарушающий её.
|
||
- **Ядро** — функция скалярного произведения в неявном пространстве признаков.
|
||
- **Precision / recall** — доля верных среди срабатываний / найденных среди
|
||
истинно положительных.
|
||
- **ROC-AUC** — вероятность верно ранжировать случайную положительно-отрицательную
|
||
пару.
|
||
- **PR-AUC** — качество компромисса precision–recall по порогам.
|
||
- **Log loss** — отрицательное логарифмическое правдоподобие вероятностей.
|
||
- **Калибровка** — соответствие заявленной вероятности наблюдаемой частоте.
|
||
- **Порог** — правило преобразования непрерывного score в дискретное решение.
|
||
- **Дисбаланс классов** — существенно разные частоты классов.
|
||
- **Prior shift** — изменение долей классов при неизменных распределениях
|
||
признаков внутри классов.
|
||
|
||
## Главы
|
||
|
||
1. [`notes/01_validation_and_baselines.md`](notes/01_validation_and_baselines.md)
|
||
2. [`notes/02_models.md`](notes/02_models.md)
|
||
3. [`notes/03_metrics_thresholds_and_calibration.md`](notes/03_metrics_thresholds_and_calibration.md)
|