Sari la conținutul principal

Curs

Supervised Learning în R: Clasificare

IntermediarNivel de competențe

Actualizat 04.2026

În acest curs vei învăța bazele machine learning pentru clasificare.

Începe cursul gratuit

RMachine Learning

4 h

14 videoclipuri

55 Exerciții

3,950 XP

100K+

Certificat de realizare

Îndrăgit de cursanți din mii de companii

Formare pentru o echipă?

Încearcă pentru afaceri

Descrierea cursului

Această introducere de nivel începător în învățarea automată acoperă patru dintre cei mai comuni algoritmi de clasificare. Vei dobândi o înțelegere de bază a modului în care fiecare algoritm abordează o sarcină de învățare și vei învăța funcțiile R necesare pentru a aplica aceste instrumente în propriile proiecte.

Cerințe prealabile

1

k-Nearest Neighbors (kNN)

Algoritmul kNN „învață prin exemple", ceea ce îl face un punct de plecare ideal pentru înțelegerea învățării automate supervizate. Acest capitol introduce clasificarea și explorează aplicarea kNN în recunoașterea indicatoarelor rutiere pentru vehicule autonome.

Clasificare cu cei mai apropiați vecini

Recunoașterea unui indicator rutier cu kNN

Gândind ca kNN

Explorarea setului de date cu indicatoare rutiere

Clasificarea unei colecții de indicatoare rutiere

Ce înseamnă „k" în kNN?

Înțelegerea impactului lui 'k'

Testarea altor valori ale lui 'k'

Cum au votat vecinii

Pregătirea datelor pentru kNN

De ce se normalizează datele?

Începe capitolul

2

Naive Bayes

Naive Bayes folosește principii din domeniul statisticii pentru a face predicții. Acest capitol prezintă bazele metodelor bayesiene și explorează cum pot fi aplicate aceste tehnici pentru sugestii de destinații, similar cu cele de pe iPhone.

Înțelegerea metodelor bayesiene

Calculul probabilităților

Înțelegerea evenimentelor dependente

Un model Naive Bayes simplu pentru locație

Examinarea probabilităților „brute"

Înțelegerea independenței

Înțelegerea „naivității" NB

Pe cine numești naiv?

Un model de localizare mai sofisticat

Pregătirea pentru situații neprevăzute

Înțelegerea corecției Laplace

Aplicarea Naive Bayes la alte probleme

Gestionarea predictorilor numerici

Începe capitolul

3

Regresie logistică

Regresia logistică presupune ajustarea unei curbe la date numerice pentru a face predicții despre evenimente binare. Considerată una dintre cele mai utilizate metode de învățare automată, această lecție oferă o prezentare generală a tehnicii și arată cum se aplică ea pe date de colectare de fonduri.

Predicții binare cu regresie

Construirea unor modele simple de regresie logistică

Realizarea unei predicții binare

Limitările acurateței

Compromisuri în performanța modelului

Calcularea curbelor ROC și a AUC

Compararea curbelor ROC

Variabile dummy, date lipsă și interacțiuni

Codificarea caracteristicilor categorice

Gestionarea datelor lipsă

Înțelegerea indicatorilor pentru valori lipsă

Construirea unui model mai sofisticat

Selecție automată a caracteristicilor

Pericolele regresiei pas-cu-pas

Construirea unui model de regresie pas cu pas

Începe capitolul

4

Arbori de clasificare

Arborii de clasificare folosesc structuri tip diagramă de flux pentru a lua decizii. Deoarece oamenii pot înțelege cu ușurință aceste structuri arborescente, sunt utili în situații în care transparența este esențială, cum ar fi aprobarea creditelor. Vom folosi setul de date Lending Club pentru a simula acest scenariu.

Luarea deciziilor cu arbori

Construirea unui arbore de decizie simplu

Vizualizarea arborilor de clasificare

Înțelegerea deciziilor arborelui

Construirea unor arbori de clasificare mai mari

De ce se ramifică unele ramuri?

Crearea seturilor de date de testare aleatoare

Construirea și evaluarea unui arbore mai complex

O evaluare corectă a performanței

Îngrijirea arborilor de clasificare

Prevenirea arborilor supradimensionați

Crearea unui arbore bine tăiat

De ce beneficiază arborii de tăiere?

Să vezi pădurea din copaci

Înțelegerea pădurilor aleatoare

Construirea unui model de pădure aleatoare

Începe capitolul

Supervised Learning în R: Clasificare

Curs
finalizat

Obține diploma de absolvire

Adaugă această acreditare la profilul tău LinkedIn, CV sau rezumat
Distribuie pe rețelele de socializare și în evaluarea ta de performanțăÎnscrie-te acum

Alătură-te celor peste 19 de milioane de cursanți și începe Supervised Learning în R: Clasificare astăzi!

Dezvoltați-vă abilitățile de gestionare a datelor cu DataCamp pentru mobil

Fă progrese din mers cu cursurile noastre mobile și provocările zilnice de programare de 5 minute.