Vai al contenuto principale

Corso

Apprendimento supervisionato in R: Classificazione

IntermedioLivello di competenza

Aggiornato 04/2026

In questo corso imparerai le basi dell'apprendimento automatico per la classificazione.

Inizia il corso gratis

RMachine Learning

4 h

14 video

55 Esercizi

3,950 XP

100K+

Attestato di conseguimento

Preferito dagli studenti di migliaia di aziende

Formare un team?

Prova per il Business

Descrizione del corso

Questa introduzione al Machine Learning per principianti copre quattro degli algoritmi di classificazione più comuni. Otterrai una comprensione di base di come ciascun algoritmo affronta un compito di apprendimento e imparerai le funzioni R necessarie per applicare questi strumenti al tuo lavoro.

Prerequisiti

1

k-Nearest Neighbors (kNN)

Poiché l'algoritmo kNN letteralmente "impara dagli esempi", è perfetto per iniziare a capire il Machine Learning supervisionato. In questo capitolo introdurremo la classificazione applicando kNN al riconoscimento dei segnali stradali per veicoli a guida autonoma.

Classificazione con i vicini più prossimi

Riconoscere un segnale stradale con kNN

Pensare come kNN

Esplorare l'insieme di dati dei segnali stradali

Classificare una raccolta di segnali stradali

E il "k" in kNN?

Capire l'impatto di 'k'

Testare altri valori di 'k'

Vedere come hanno votato i vicini

Preparazione dei dati per kNN

Perché normalizzare i dati?

Inizia il capitolo

2

Naive Bayes

Naive Bayes utilizza principi statistici per effettuare previsioni. Questo capitolo introdurrà le basi dei metodi bayesiani ed esplorerà come applicarli a suggerimenti di destinazione in stile iPhone.

Capire i metodi bayesiani

Calcolare le probabilità

Capire gli eventi dipendenti

Un semplice modello Naive Bayes per la posizione

Esaminare le probabilità "grezze"

Capire l'indipendenza

Capire la "ingenuità" di NB

Chi stai chiamando ingenuo?

Un modello di localizzazione più sofisticato

Prepararsi a circostanze impreviste

Capire la correzione di Laplace

Applicare Naive Bayes ad altri problemi

Gestire i predittori numerici

Inizia il capitolo

3

Regressione logistica

La regressione logistica consiste nell'adattare una curva a dati numerici per prevedere eventi binari. Probabilmente uno dei metodi di Machine Learning più diffusi, questo capitolo offrirà una panoramica della tecnica e mostrerà come applicarla a dati di raccolta fondi.

Previsioni binarie con la regressione

Costruire semplici modelli di regressione logistica

Effettuare una previsione binaria

I limiti dell'accuratezza

Compromessi nelle prestazioni del modello

Calcolo di curve ROC e AUC

Confrontare le curve ROC

Variabili dummy, dati mancanti e interazioni

Codifica delle variabili categoriche

Gestire i dati mancanti

Capire gli indicatori di valori mancanti

Costruire un modello più sofisticato

Selezione automatica delle caratteristiche

I pericoli della regressione stepwise

Costruire un modello di regressione stepwise

Inizia il capitolo

4

Alberi di classificazione

Gli alberi di classificazione usano strutture simili a diagrammi di flusso per prendere decisioni. Poiché queste strutture ad albero sono facilmente interpretabili dalle persone, sono utili quando serve trasparenza, ad esempio nell'approvazione dei prestiti. Useremo l'insieme di dati di Lending Club per simulare questo scenario.

Prendere decisioni con gli alberi

Costruire un semplice albero decisionale

Visualizzare gli alberi di classificazione

Capire le decisioni dell'albero

Far crescere alberi di classificazione più grandi

Perché alcuni rami si dividono?

Creare insiemi di test casuali

Costruire e valutare un albero più grande

Valutare le prestazioni in modo equo

Curare gli alberi di classificazione

Evitare alberi troppo cresciuti

Creare un albero ben potato

Perché gli alberi traggono beneficio dalla potatura?

Vedere la foresta oltre gli alberi

Capire le random forest

Creare un modello di random forest

Inizia il capitolo

Apprendimento supervisionato in R: Classificazione

Corso
completato

Ottieni Attestato di conseguimento

Aggiungi questa certificazione al tuo profilo LinkedIn, al curriculum o al CV
Condividila sui social e nella valutazione delle tue performanceIscriviti ora

Unisciti a oltre 19 milioni di studenti e inizia Apprendimento supervisionato in R: Classificazione oggi!

Aumenta le tue competenze sui dati con l'app di DataCamp

Avanza ovunque ti trovi con i nostri corsi per dispositivi mobili e le nostre sfide di programmazione quotidiane da 5 minuti.