Setelah mengikuti kursus-kursus ini, saya merasa percaya diri membuat visualisasi dan dasbor profesional
Shoebur RahmanSpesialis Pengadaan, Giz Bangladesh
Deskripsi Kursus
Dalam kursus ini Anda akan mempelajari cara menggunakan klasifikator linear, khususnya logistic regression dan support vector machines, dengan scikit-learn. Setelah mempelajari cara menerapkan metode-metode ini, Anda akan mendalami gagasan di baliknya dan memahami apa yang membuatnya bekerja. Di akhir kursus, Anda akan mengetahui cara melatih, menguji, dan menyetel klasifikator linear ini di Python. Anda juga akan memiliki landasan konseptual untuk memahami banyak algoritme Machine Learning lainnya.
Prasyarat
Kurikulum
Ringkasan kursus
1
Menerapkan logistic regression dan SVM
Di bab ini Anda akan mempelajari dasar-dasar penerapan logistic regression dan support vector machines (SVM) untuk masalah klasifikasi. Anda akan menggunakan pustaka
scikit-learn untuk menyesuaikan model klasifikasi pada data nyata.- Ulasan singkat scikit-learn50 XP
- Klasifikasi KNN100 XP
- Membandingkan model50 XP
- Overfitting50 XP
- Menerapkan logistic regression dan SVM50 XP
- Menjalankan LogisticRegression dan SVC100 XP
- Analisis sentimen untuk ulasan film100 XP
- Klasifikator linear50 XP
- Batas keputusan mana yang bersifat linear?50 XP
- Memvisualisasikan batas keputusan100 XP
2
Fungsi loss
Di bab ini Anda akan mempelajari kerangka konseptual di balik logistic regression dan SVM. Ini akan membantu Anda menyelami lebih dalam cara kerja internal model-model tersebut.
3
Logistic regression
Di bab ini Anda akan mendalami rincian logistic regression. Anda akan mempelajari semua tentang regularization dan cara menafsirkan keluaran model.
4
Support Vector Machines
Di bab ini Anda akan mempelajari seluk-beluk support vector machines. Anda akan mempelajari penyetelan hyperparameter untuk model ini dan penggunaan kernel untuk menyesuaikan batas keputusan non-linear.
Klasifikator Linear di Python
Kursus
Selesai
