Основные принципы ML, которые важно учитывать при реализации с нуля: - **Разделение данных** - train/test/validation split (обычно 60/20/20 или 70/15/15) - **Нормализация/стандартизация** - MinMaxScaler, StandardScaler - **Оценка качества** - метрики (accuracy, precision, recall, F1, MSE) - **Регуляризация** - L1/L2 для борьбы с переобучением - **Кросс-валидация** - k-fold для надежной оценки Пример линейной регрессии с нуля: ``` class LinearRegression: def __init__(self, lr=0.01, n_iters=1000): self.lr = lr self.n_iters = n_iters self.weights = None self.bias = None def fit(self, X, y): n_samples, n_features = X.shape self.weights = np.zeros(n_features) self.bias = 0 for _ in range(self.n_iters): y_pred = np.dot(X, self.weights) + self.bias dw = (1/n_samples) * np.dot(X.T, (y_pred - y)) db = (1/n_samples) * np.sum(y_pred - y) self.weights -= self.lr * dw self.bias -= self.lr * db ```