Какие модели строил

В зависимости от задачи, я строил модели машинного обучения, включая:

1. Классификация:

   • Логистическая регрессия
   • Random Forest, XGBoost, LightGBM
   • SVM, k-NN
   • Нейронные сети (CNN для изображений, LSTM для текста)

2. Регрессия:

   • Линейная регрессия
   • Деревья решений и ансамбли (Random Forest, Gradient Boosting)

3. Кластеризация:

   • K-means, DBSCAN
   • Иерархическая кластеризация

4. Рекомендательные системы:

   • Коллаборативная фильтрация
   • ALS (Alternating Least Squares)

5. NLP:

   • TF-IDF + классификаторы
   • Word2Vec, BERT, GPT

Пример кода для классификации:

from sklearn.ensemble import RandomForestClassifier
model = RandomForestClassifier(n_estimators=100)
model.fit(X_train, y_train)
predictions = model.predict(X_test)

Выбор модели зависит от задачи, данных и метрик. Часто экспериментирую с разными подходами.