shurikls написал пост про интересный курс на Курсере, который он сделал. Я прочитал и тема мне очень понравилась, я давно хотел попробовать machine learning/prediction.Именно такой курс сейчас был закрыт, но я нашел похожий, от другого универа. Правда, сразу брать этот курс было нереально - слишком много тем были для меня tabula rasa или малоизвестны (R, exploratory analysis, regression models). Поэтому пришлось прослушать (и сделать кучу заданий!) на 4 предварительных курсах.
И вот я смог таки закончить желанный "Machine Learning". Это не первый курс в моей жизни (за плечами первая степень + несколько курсов второй и на Курсере), но еще никогда не получал настолько нетривиальный проект (хотя и выполнимый, как оказалось ;). Во время выполнения перелопатил по несколько раз лекции, и само собой, кучу интернета. Проект реально охватил всю тему курса.
Вкратце: на входе - матрица с 160 замерами разных метрик во время выполнения физических упражнений, разделенных на 5 типов. Задача - требуется по замерам
Лектор, правда, написал, что он сделал модель со 100%, но я ему не верю ;) (Хотя на тестовом задании с 20 замерами моя модель тоже дала 100% результат)
Следующим шагом хочу поучаствовать в соревнованиях на Kaggle.
------ Если кому-нить интересно попробовать, вот описание проекта:
Background
Using devices such as Jawbone Up, Nike FuelBand, and Fitbit it is now possible to collect a large amount of data about personal activity relatively inexpensively. These type of devices are part of the quantified self movement – a group of enthusiasts who take measurements about themselves regularly to improve their health, to find patterns in their behavior, or because they are tech geeks. One thing that people regularly do is quantify how much of a particular activity they do, but they rarely quantify how well they do it. In this project, your goal will be to use data from accelerometers on the belt, forearm, arm, and dumbell of 6 participants. They were asked to perform barbell lifts correctly and incorrectly in 5 different ways. More information is available from the website here: http://groupware.les.inf.puc-rio.br/har (see the section on the Weight Lifting Exercise Dataset).
Data
The training data for this project are available here:
https://d396qusza40orc.cloudfront.net/predmachlearn/pml-training.csv
The test data are available here:
https://d396qusza40orc.cloudfront.net/predmachlearn/pml-testing.csv
What you should submit
The goal of your project is to predict the manner in which they did the exercise. This is the "classe" variable in the training set. You may use any of the other variables to predict with. You should create a report describing how you built your model, how you used cross validation, what you think the expected out of sample error is, and why you made the choices you did. You will also use your prediction model to predict 20 different test cases.
Comments
Я проверял проекты сокурсников, почти все использовали деревья решений в тех или инх вариациях. Впрочем, в этой задаче все стадии были важны, в том числе и data cleaning.