După ce am parcurs aceste cursuri, mă simt încrezător să creez vizualizări și tablouri de bord profesionale
Shoebur RahmanSpecialist în achiziții, Giz Bangladesh
Descrierea cursului
În acest curs vei învăța totul despre utilizarea clasificatorilor liniari, în special regresia logistică și mașinile cu vectori suport, folosind scikit-learn. După ce vei aplica aceste metode, vei aprofunda ideile din spatele lor și vei înțelege cum funcționează cu adevărat. La finalul cursului vei ști cum să antrenezi, să testezi și să ajustezi acești clasificatori liniari în Python. Vei dobândi, de asemenea, o bază conceptuală utilă pentru înțelegerea multor alți algoritmi de învățare automată.
Cerințe prealabile
Programă
Planul cursului
1
Aplicarea regresiei logistice și a SVM
În acest capitol vei învăța elementele de bază ale aplicării regresiei logistice și ale mașinilor cu vectori suport (SVM) pentru probleme de clasificare. Vei folosi biblioteca
scikit-learn pentru a antrena modele de clasificare pe date reale.- Recapitulare scikit-learn50 XP
- Clasificare KNN100 XP
- Compararea modelelor50 XP
- Supraantrenarea50 XP
- Aplicarea regresiei logistice și a SVM50 XP
- Rularea LogisticRegression și SVC100 XP
- Analiza sentimentelor pentru recenzii de filme100 XP
- Clasificatori liniari50 XP
- Care frontieră de decizie este liniară?50 XP
- Vizualizarea frontierelor de decizie100 XP
2
Funcții de pierdere
În acest capitol vei descoperi cadrul conceptual din spatele regresiei logistice și al SVM-urilor. Astfel vei putea înțelege mai în profunzime modul în care funcționează aceste modele.
3
Regresia logistică
În acest capitol vei aprofunda detaliile regresiei logistice. Vei învăța totul despre regularizare și cum să interpretezi rezultatele modelului.
4
Mașini cu vectori suport
În acest capitol vei învăța în detaliu despre mașinile cu vectori suport. Vei descoperi cum să ajustezi hiperparametrii acestor modele și cum să folosești nuclee pentru a aproxima frontiere de decizie neliniare.
Clasificatori liniari în Python
Curs
finalizat
