03 Classification
✅ [11]–[15] դասերը ձայնագրված են (տեսանյութերը ներքևում)։ Սլայդերը և նախագիծ-տնայինը (ներքևում) պատրաստ են։ Յուրաքանչյուր դասի համար կա և՛ մաքուր PDF, և՛ դասի ընթացքում նշումներով տարբերակը (_notes)։
🎲 Random
📚 Նյութը
Սլայդերը ml/03_classification/ պանակում․
- [11] Logistic regression — binary + multiclass (softmax / one-vs-rest), log-loss, odds ratios. PDF · PDF (նշումներով) · ▶️ [11] Կլասիֆիկացիա։ Լոգիստիկ ռեգրեսիա | Մեքենայական ուսուցում
- [12] Classification metrics — accuracy → precision/recall/F1 → ROC AUC → PR AUC → lift, multi-class averaging. PDF · PDF (նշումներով) · ▶️ [12] Կլասիֆիկացիայի մետրիկաներ | Մեքենայական ուսուցում
- [13] Threshold tuning — score → decision: cost-optimal cutoff (closed form), Youden’s J, recall floor;
TunedThresholdClassifierCV. PDF · PDF (նշումներով) · ▶️ [13] Threshold tuning | Մեքենայական ուսուցում - [14] Calibration — reliability diagrams, ECE / Brier score, calibration vs discrimination, Platt scaling + isotonic regression in sklearn. PDF · PDF (նշումներով) · ▶️ [14] Կալիբրացիա | Մեքենայական ուսուցում
- [15] Imbalanced learning — class weights, cost-sensitive learning, under/over/hybrid sampling (ROS, SMOTE), leakage + decalibration traps, decision guide. PDF · PDF (նշումներով) · ▶️ [15] Data Imbalance | Մեքենայական ուսուցում
🏡 Տնային
Project — Cost-aware bank-marketing classifier 🧀🧀
A bank phone campaign: only ~11% of clients subscribe to a term deposit, and every call costs money. Build a classifier end to end and turn its scores into a cost-aware decision — the same arc as the cheese factory in the lectures (logistic regression → the right metric → threshold by cost → calibration).
Starter notebook: 16_bank_marketing_project.ipynb (download) · view on GitHub
Data: data/bank-full.csv (UCI Bank Marketing), already in the repo next to the notebook.
🎥 Practical walkthrough: ▶️ [16] Classification practical: bank marketing | Մեքենայական ուսուցում