Машинное обучение с нуля: план обучения и первый проект на Python

Автор: Казачкин Даниил Михайлович · Обновлено 16 сентября 2026 г.

Машинное обучение — это способ строить правила по примерам, когда все условия трудно или дорого записать вручную. Разработчик задаёт данные, ожидаемый результат и способ измерения ошибки, а алгоритм подбирает параметры модели, которые помогают делать прогнозы для новых объектов.

Чем модель отличается от обычной программы

В обычной программе человек формулирует правила: если температура ниже нуля, показать предупреждение. В ML-системе правило получается из наблюдений. Например, для оценки стоимости квартиры модель сопоставляет площадь, район, этаж и состояние с известными ценами, а затем ищет зависимость между признаками и ответом.

Обученная модель не «понимает» квартиру так, как человек. Она вычисляет функцию, параметры которой были настроены на примерах. Поэтому качество результата зависит не только от выбранного алгоритма, но и от того, насколько данные соответствуют будущей ситуации.

Четыре части учебной задачи

• Объект — то, для чего нужен прогноз: квартира, письмо, фотография или клиент.
• Признаки — измеримые свойства объекта, доступные к моменту предсказания.
• Целевая переменная — правильный ответ в исторических данных.
• Метрика — число, по которому сравнивают варианты решения.

Если ответом является число, например цена или время доставки, обычно решают задачу регрессии. Если нужен один из классов — «спам» или «не спам» — это классификация. Когда готовых ответов нет, можно искать структуру самих данных: группы похожих объектов или компактное представление признаков.

Что нужно знать до первого проекта

Начинать можно без опыта в нейросетях. Для первого табличного эксперимента полезнее небольшой проверяемый набор навыков, чем попытка заранее пройти всю высшую математику.

Производную можно освоить вместе с линейной регрессией: она объяснит направление изменения ошибки. Матрицы потребуются для нескольких признаков, вероятности — для интерпретации классификации. Учите эти темы по мере появления конкретного вопроса, возвращаясь к маленьким расчётам. Такой набор предпосылок согласуется с официальным вводным курсом Google, но таблица самопроверки выше составлена для этого урока.

Минимальный набор инструментов

Для небольших таблиц достаточно обычного компьютера, Python 3, редактора с терминалом и отдельного виртуального окружения. NumPy пригодится для массивов, pandas — для таблиц, scikit-learn — для обучения и оценки. Jupyter удобен для последовательных заметок, но этот проект запускается обычным файлом; GPU, облачный сервер и платный доступ к моделям не требуются.

Создайте пустую папку проекта. На Linux или macOS выполните:

python3 -m venv .venv
.venv/bin/python -m pip install numpy pandas scikit-learn

В Windows PowerShell, если установлен Python Launcher:

py -m venv .venv
.venv/Scripts/python.exe -m pip install numpy pandas scikit-learn

Прямой путь к интерпретатору позволяет обойтись без активации окружения. Если редактор сообщает ModuleNotFoundError, сначала проверьте, что он использует Python из этой же .venv. Установка пакета и запуск файла разными интерпретаторами — частая причина ошибки. Подробности есть в руководстве Python по окружениям и инструкции scikit-learn.

Как изучать машинное обучение по шагам

Двигайтесь по результатам, а не по обещанию освоить профессию за фиксированное число дней. На каждом этапе должен оставаться небольшой проверяемый артефакт.

В нашем треке этому соответствуют данные и признаки, разбиение выборки, линейная регрессия и метрики регрессии. Кросс-валидацию и более сложные модели добавляйте после первого законченного цикла.

Первый законченный проект: прогноз длительности

Представим учебную службу уборки. До начала работы известна площадь комнаты, а после окончания — затраченные минуты. Все значения ниже выдуманы программой; это упражнение по построению эксперимента, а не модель реального сервиса. Случайное разделение допустимо именно для созданных здесь независимых наблюдений. Для повторных заказов одного клиента или прогноза будущей недели потребовался бы другой split.

Сохраните код в start_ml.py. Метод fit настраивает параметры, predict получает прогнозы. Для MAE меньшая величина означает меньшую среднюю ошибку в минутах. Данные делятся на 60% train, 20% validation и 20% test; две заранее выбранные модели сравниваются только на validation.

from random import Random
from sklearn.dummy import DummyRegressor
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_absolute_error
from sklearn.model_selection import train_test_split

rng = Random(42)
X = [[rng.uniform(20, 120)] for _ in range(240)]
y = [10 + 0.8 * row[0] + rng.uniform(-5, 5) for row in X]

X_train, X_rest, y_train, y_rest = train_test_split(
    X, y, test_size=0.4, random_state=42
)
X_valid, X_test, y_valid, y_test = train_test_split(
    X_rest, y_rest, test_size=0.5, random_state=42
)

models = {
    "baseline": DummyRegressor(strategy="median"),
    "linear": LinearRegression(),
}
scores = {}
for name, model in models.items():
    model.fit(X_train, y_train)
    scores[name] = mean_absolute_error(y_valid, model.predict(X_valid))
    print(f"validation {name}: MAE={scores[name]:.3f}")

winner = min(scores, key=scores.get)
final_model = models[winner].fit(X_train + X_valid, y_train + y_valid)
test_mae = mean_absolute_error(y_test, final_model.predict(X_test))
print(f"test {winner}: MAE={test_mae:.3f}")
print(f"60 квадратных метров: {final_model.predict([[60]])[0]:.1f} мин")

Запуск: .venv/bin/python start_ml.py на Linux/macOS или .venv/Scripts/python.exe start_ml.py в Windows. Вы должны получить две validation-оценки, одну test-оценку и прогноз для площади 60. При проверке примера получился такой вывод:

validation baseline: MAE=20.603
validation linear: MAE=2.742
test linear: MAE=2.436
60 квадратных метров: 58.2 мин

Здесь линейная зависимость заложена при генерации, поэтому превосходство линейной модели над константой ожидаемо. Оно проверяет сборку учебного конвейера, но не доказывает применимость к реальным заказам.

После выбора модели мы переобучили её на train вместе с validation; test при этом оставался закрыт. Не меняйте алгоритм после каждого взгляда на test: тогда он тоже станет частью настройки. Для числовой цели начните с MAE и просмотра остатков. Для классификации сначала выясните доли классов и цену ошибок: одна accuracy может скрыть полный пропуск редкого класса.

Какие ресурсы использовать и что сохранить

После основ программирования Python Tutorial помогает освоить язык; сам справочник предупреждает, что предполагает общие навыки программирования. Для таблиц подойдут вводные упражнения pandas, для интерфейсов моделей — Getting Started scikit-learn. Выберите один маршрут и применяйте прочитанное к своему проекту, вместо одновременного прохождения нескольких курсов.

Сохраните код, seed, описание происхождения данных, индексы выборок и версии зависимостей. Список пакетов можно записать командой .venv/bin/python -m pip freeze > requirements.txt (в Windows замените путь на .venv/Scripts/python.exe). В отчёте достаточно пяти пунктов: что прогнозируем, как разделили данные, с чем сравнили модель, какую ошибку получили и где модель применять нельзя. Для следующего проекта замените синтетику небольшим открытым набором с понятной лицензией и описанием сбора, заново проверив единицу разбиения.

Где чаще всего ошибаются в начале

Новичок иногда начинает с названия алгоритма: «хочу применить нейросеть». Полезнее сначала сформулировать решение, которое будет принято по прогнозу, доступные в этот момент признаки и цену разных ошибок. Без этого высокая абстрактная точность может оказаться бесполезной для продукта.

Другая ошибка — считать найденную зависимость причинной. Если продажи зонтов связаны с числом пробок, это ещё не значит, что зонты создают заторы: обе величины может менять дождь. Предсказательная модель обнаруживает закономерность, но сама по себе не доказывает причину.

Практика: сформулируйте задачу

Выполните проект и составьте его краткий отчёт. Затем выберите один бытовой прогноз: время поездки, необходимость полива растения или категорию сообщения. Запишите объект, три допустимых признака, целевую переменную и действие после прогноза. Найдите поле, известное только после события, и исключите его. Наконец, объясните, почему разбиение из синтетического примера нельзя автоматически перенести на новый набор. Результат упражнения — постановка и план проверки, а не просто выполненный вызов fit.

Что важно запомнить

• ML-модель получает правило из примеров, а не из готового списка условий.
• Постановка состоит из объектов, признаков, целевого ответа и метрики.
• Классификация предсказывает класс, регрессия — числовую величину.
• Закономерность в прогнозе не является автоматическим доказательством причины.
• Первый проект заканчивается сравнением с baseline, закрытой test-проверкой и воспроизводимым отчётом.

Частые вопросы

Для машинного обучения всегда нужна нейросеть?

Нет. Линейные модели, деревья и методы ближайших соседей часто проще, быстрее и лучше подходят для табличных данных. Алгоритм выбирают по задаче, объёму данных, ограничениям и результатам честной проверки.

Может ли модель обучаться без правильных ответов?

Да. При обучении без учителя алгоритм работает без целевой переменной и ищет структуру данных, например кластеры. Но полезность найденных групп всё равно должен оценить человек с учётом исходной задачи.

Достаточно ли один раз получить высокую точность?

Нет. Нужно проверить модель на неиспользованных данных, сравнить с простым базовым решением и убедиться, что метрика соответствует цене ошибок. После запуска качество также может меняться вместе с данными.

Нужно ли сначала полностью изучить математику?

Для первого эксперимента хватит подстановки в формулу, среднего, медианы и понимания выборки. Производные, матрицы и вероятности осваивайте вместе с моделями. Пропуск проверки данных нельзя компенсировать более сложной математикой.

Как понять, что я уже получил результат?

Вы можете заново запустить код, объяснить каждую колонку, сравнить модель с baseline и сообщить ошибку на закрытом test. Это небольшой законченный результат; высокая цифра без этих объяснений им не является.