После прохождения этих курсов я уверенно создаю профессиональные визуализации и дашборды.
Shoebur RahmanСпециалист по закупкам, Giz Bangladesh
Описание курса
Этот вводный курс для начинающих охватывает четыре наиболее распространённых алгоритма классификации. Вы получите базовое представление о том, как каждый алгоритм подходит к задаче обучения, а также освоите функции R, необходимые для применения этих инструментов в собственных проектах.
Предварительные требования
Программа
План курса
1
Метод k ближайших соседей (kNN)
Алгоритм kNN буквально «учится на примерах», что делает его отличной отправной точкой для знакомства с обучением с учителем. В этой главе вы изучите основы классификации и применете kNN к задаче распознавания дорожных знаков для беспилотных автомобилей.
- Классификация с помощью ближайших соседей50 XP
- Распознавание дорожного знака с помощью kNN100 XP
- Мыслить как kNN50 XP
- Изучение набора данных с дорожными знаками100 XP
- Классификация набора дорожных знаков100 XP
- Что означает «k» в kNN?50 XP
- Влияние параметра k50 XP
- Проверка других значений 'k'100 XP
- Анализ голосования ближайших соседей100 XP
- Подготовка данных для kNN50 XP
- Зачем нормализовать данные?50 XP
2
Наивный байесовский классификатор
Наивный байесовский классификатор опирается на принципы теории вероятностей для построения прогнозов. В этой главе вы познакомитесь с основами байесовских методов и научитесь применять их для создания системы предложения маршрутов — наподобие той, что используется в смартфонах.
3
Логистическая регрессия
Логистическая регрессия позволяет подобрать кривую к числовым данным и строить прогнозы для бинарных событий. Это один из наиболее широко используемых методов машинного обучения. В этой главе вы получите общее представление о технике и научитесь применять её к данным о сборе пожертвований.
4
Деревья классификации
Деревья классификации принимают решения с помощью структур, напоминающих блок-схемы. Такие структуры легко интерпретировать, поэтому деревья классификации особенно полезны там, где важна прозрачность, — например, при оценке заявок на кредит. Мы будем работать с набором данных Lending Club для моделирования этого сценария.
R
Обучение с учителем в R: классификация
Курс
завершён
