メインコンテンツへスキップ

ホーム Python

コース

Python で学ぶ線形分類器

中級スキルレベル

更新日 2023/10

このコースでは、logistic regression や SVM などの線形分類器の詳細を学びます。

コースを無料で開始

PythonMachine Learning

4時間

13 ビデオ

44 演習

3,200 XP

66,252

修了証明書

何千もの企業の従業員が支持

チームのトレーニングを担当していますか？

Businessをお試しください

コース説明

このコースでは、scikit-learn を使って線形分類器、具体的にはロジスティック回帰とサポートベクターマシン（SVM）を扱う方法を学びます。実装方法を身につけたら、これらの手法の背景にある考え方を深掘りし、仕組みを理解します。コースの最後には、Python でこれらの線形分類器を訓練・評価・チューニングする方法を習得できます。また、他の多くの Machine Learning アルゴリズムを理解するための概念的な基盤も得られます。

前提条件

Supervised Learning with scikit-learn

1

Applying logistic regression and SVM

In this chapter you will learn the basics of applying logistic regression and support vector machines (SVMs) to classification problems. You'll use the scikit-learn library to fit classification models to real data.

scikit-learn refresher

KNN classification

Comparing models

Overfitting

Applying logistic regression and SVM

Running LogisticRegression and SVC

Sentiment analysis for movie reviews

Linear classifiers

Which decision boundary is linear?

Visualizing decision boundaries

チャプターを開始

2

Loss functions

In this chapter you will discover the conceptual framework behind logistic regression and SVMs. This will let you delve deeper into the inner workings of these models.

Linear classifiers: the coefficients

How models make predictions

Changing the model coefficients

What is a loss function?

The 0-1 loss

Minimizing a loss function

Loss function diagrams

Classification loss functions

Comparing the logistic and hinge losses

Implementing logistic regression

チャプターを開始

3

Logistic regression

In this chapter you will delve into the details of logistic regression. You'll learn all about regularization and how to interpret model output.

Logistic regression and regularization

Regularized logistic regression

Logistic regression and feature selection

Identifying the most positive and negative words

Logistic regression and probabilities

Getting class probabilities

Regularization and probabilities

Visualizing easy and difficult examples

Multi-class logistic regression

Counting the coefficients

Fitting multi-class logistic regression

Visualizing multi-class logistic regression

One-vs-rest SVM

チャプターを開始

4

Support Vector Machines

In this chapter you will learn all about the details of support vector machines. You'll learn about tuning hyperparameters for these models and using kernels to fit non-linear decision boundaries.

Support vectors

Support vector definition

Effect of removing examples

Kernel SVMs

GridSearchCV warm-up

Jointly tuning gamma and C with GridSearchCV

Comparing logistic regression and SVM (and beyond)

An advantage of SVMs

An advantage of logistic regression

Using SGDClassifier

チャプターを開始

Python で学ぶ線形分類器

コース完了

修了証明書を取得

この修了書をLinkedInや履歴書、CVに追加しましょう
ソーシャルメディアや人事評価で共有しましょう今すぐ登録

19百万人を超える学習者と共にPython で学ぶ線形分類器を始めましょう！

DataCamp for Mobileでデータスキルを磨きましょう

モバイルコースと毎日の 5 分間のコーディングチャレンジで、外出先でも進歩できます。