Saltar al contenido principal

curso

Clasificadores lineales en Python

Intermedio

Actualizado 1/2025

En este curso aprenderás los detalles de clasificadores lineales como la regresión logística y SVM.

Comienza el curso gratis

Incluido conPremium or Teams

PythonMachine Learning4 horas13 vídeos44 ejercicios3,200 XP57,701Certificado de logros

Crea Tu Cuenta Gratuita

Google LinkedIn Facebook

o

Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.

¿Entrenar a 2 o más personas?

Probar DataCamp for Business

Preferido por estudiantes en miles de empresas

Descripción del curso

En este curso aprenderás todo sobre el uso de clasificadores lineales, específicamente regresión logística y máquinas de vectores soporte, con scikit-learn. Una vez que haya aprendido a aplicar estos métodos, se sumergirá en las ideas que los sustentan y descubrirá lo que realmente los hace funcionar. Al final de este curso sabrá cómo entrenar, probar y ajustar estos clasificadores lineales en Python. También tendrá una base conceptual para comprender muchos otros algoritmos de aprendizaje automático.

Prerrequisitos

Supervised Learning with scikit-learn

1

Aplicación de la regresión logística y SVM

Iniciar capítulo

actualización de scikit-learn

KNN clasificación

Comparación de modelos

Sobreajuste

Aplicación de la regresión logística y SVM

Ejecución de LogisticRegression y SVC

Análisis del sentimiento en las críticas de cine

Clasificadores lineales

¿Qué límite de decisión es lineal?

Visualización de los límites de decisión

2

Funciones de pérdida

Iniciar capítulo

Clasificadores lineales: los coeficientes

Cómo hacen predicciones los modelos

Modificación de los coeficientes del modelo

¿Qué es una función de pérdidas?

La derrota por 0-1

Minimizar una función de pérdida

Diagramas de funciones de pérdida

Funciones de pérdida de clasificación

Comparación de las pérdidas logísticas y de bisagra

Aplicación de la regresión logística

3

Regresión logística

Iniciar capítulo

Regresión logística y regularización

Regresión logística regularizada

Regresión logística y selección de características

Identificar las palabras más positivas y negativas

Regresión logística y probabilidades

Obtener probabilidades de clase

Regularización y probabilidades

Visualización de ejemplos fáciles y difíciles

Regresión logística multiclase

Contar los coeficientes

Ajuste de la regresión logística multiclase

Visualización de la regresión logística multiclase

Uno contra uno SVM

4

Máquinas de vectores soporte

Iniciar capítulo

Vectores de apoyo

Definición del vector de apoyo

Efecto de la eliminación de ejemplos

Núcleo SVMs

GridSearchCV calentamiento

Ajuste conjunto de gamma y C con GridSearchCV

Comparación de la regresión logística y SVM (y más)

Una ventaja de SVMs

Una ventaja de la regresión logística

Uso de SGDClassifier

Conclusión

Clasificadores lineales en Python

Curso
Completo

Obtener certificado de logros

Añade esta credencial a tu perfil, currículum vitae o CV de LinkedIn
Compártelo en las redes sociales y en tu evaluación de desempeño

Incluido conPremium or Teams

Inscríbete ahora

Únete a más 15 millones de estudiantes y empezar Clasificadores lineales en Python ¡Hoy!

Crea Tu Cuenta Gratuita

Google LinkedIn Facebook

o

Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.