ML COURSE HWS

HW1: kNN

Перейдите от задачи классификации к задаче регрессии двумя разными способами:
Наивный способ. Каждое значение класса представляется одним числом. Во время предсказания полученный ответ округляется до ближайшего целого числа.
Используя OneHot преобразование. Вместо одного целевого признака в набор данных добавляется столько новых числовых переменных, сколько в нём содержится классов. Настройка гиперпараметров
Для каждого из преобразований найдите лучшую комбинацию функции расстояния, окна и ядра для метода ближайших соседей. Для лучшего преобразования и найденной комбинации постройте графики зависимости F-меры от числа ближайших соседей или ширины окна. Используйте Leave-One-Out перекрёстную проверку для подсчёта F-меры.

Дальше писать было лень