05:45 - Вступление
10:20 - Метрические методы классификации и регрессии
14:39 - Обобщенный метрический классификатор
21:21 - Метод k-ближайших соседей
26:11 - Выбор метрики
26:30 - Евклидова метрика
28:36 - Косинусная схожесть
30:47 - Расстояние городских кварталов (Манхэттенское)
32:50 - Формула Хаверсина
40:29 - Дополнение (опциональное)*
44:01 - А что делать с задачей регрессии?
47:38 - Опционально*
48:38 - KNN для регрессии
50:14 - Достоинства и недостатки метрических алгоритмов
53:33 - Попробуем реализовать алгоритм KNN своими руками!
55:35 - Примеры использования
56:47 - Неправильный выбор K
57:27 - Адаптация метрик
58:36 - Реализация в sklearn
1:02:35 - Как выбрать K?
1:06:20 - Разбиение выборки на train и test
1:20:57 - Метод кросс-валидации
1:23:35 - Реализация кросс-валидации в sklearn
1:25:00 - Вопросы
