Obuchenie pod nablüdeniem opisywaet scenarij, w kotorom opyt stanowitsq obuchaüschim faktorom, soderzhaschim wazhnuü informaciü (naprimer, metki "bol'noj/zdorowyj" dlq obnaruzheniq boleznej rastenij), kotoraq otsutstwuet w newidimyh "testowyh primerah", k kotorym budet primenqt'sq poluchennyj opyt. V ätom scenarii priobretennyj opyt naprawlen na predskazanie nedostaüschej informacii dlq testowyh dannyh. V ätom smysle okruzhaüschuü sredu mozhno rassmatriwat' kak uchitelq, kotoryj kontroliruet uchenika, predostawlqq emu dopolnitel'nuü informaciü w wide metok. V ätoj knige my rassmotrim modeli kontroliruemogo mashinnogo obucheniq, s pomosch'ü kotoryh wy pojmete teoreticheskie osnowy, nekotorye opisaniq prikladnyh oblastej, a zatem realizuete kazhduü iz nih w laboratorii Jupyter s pomosch'ü bibliotek pandas i scikit-learn dlq Python. Snachala wy nachnete s logisticheskoj regressii (binarnaq klassifikaciq), mnogoklassowoj klassifikacii s pomosch'ü logisticheskoj regressii, derew'ew reshenij, mashin wektorow podderzhki - SVM (Support Vector Machines), Random Forest, K-Fold Cross Validation i, nakonec, Naive B