Övervakad maskininlärning i Python

Uppdaterad 2026-05

Bemästra de mest populära övervakade maskininlärningsteknikerna för att börja göra förutsägelser med märkt data.

Beskrivning av inlärningsväg

Övervakad maskininlärning i Python

Bemästra grunderna i övervakad maskininlärning och upptäck hur du kan göra förutsägelser med hjälp av märkt data. Gå med i ML-revolutionen idag! Om du är ny inom maskininlärning, eller vill specialisera dig på övervakad maskininlärning, är detta en idealisk plats att börja på.Du börjar med att lära dig om och implementera centrala övervakade inlärningsmodeller, som K-Nearest Neighbors (KNN), logistisk regression, linjär regression, Support Vector Machines (SVMs) och träd-baserade modeller med det populära biblioteket scikit-learn.Du kommer också att upptäcka hur du använder toppmoderna algoritmer som XGBoost för att effektivt förbättra modelleringsprestandan på tabulära datamängder.För att få ut mesta möjliga av dina modeller lär du dig olika tekniker för hyperparameteroptimering och hur du avgör vilken teknik du ska använda för ditt användningsfall.Du avslutar spåret genom att samla din kunskap om dessa olika modeller och lära dig om ensemble learning, där olika modeller kombineras för att förbättra prestandan och lösa mer komplexa problem.När du är klar kommer du att ha bemästrat de viktigaste koncepten inom övervakad maskininlärning och kunna tillämpa dem i Python.

Förkunskapskrav

Det finns inga förkunskapskrav för den här inlärningsvägen

Course
1
Övervakad inlärning med scikit-learn
Project
bonus
Predictive Modeling for Agriculture
Dive into agriculture using supervised machine learning and feature selection to aid farmers in crop cultivation and solve real-world problems.
Course
3
Linjära klassificerare i Python
Course
4
Maskininlärning med trädbaserade modeller i Python
I den här kursen lär du dig att använda trädmodeller och ensembler för regression och klassificering med scikit-learn.
Project
bonus
Predicting Movie Rental Durations
Build a regression model for a DVD rental firm to predict rental duration. Evaluate models to recommend the best one.
Course
6
Extreme Gradient Boosting med XGBoost
Lär dig grunderna i gradient boosting och bygg toppmoderna maskininlärningsmodeller med XGBoost för att lösa klassificerings- och regressionsproblem.
Course
7
Hyperparameterjustering i Python
Lär dig tekniker för automatiserad hyperparameteroptimering i Python, inklusive Grid, Random och Informed Search.
Course
8
Ensemblemetoder i Python
Lär dig bygga avancerade och effektiva maskininlärningsmodeller i Python med ensembletekniker som bagging, boosting och stacking.

Övervakad maskininlärning i Python

6 Kurser

Inlärningsväg
slutförd

Tjäna ett prestationsbevis

Lägg till det här beviset i din LinkedIn-profil, ditt CV eller din meritförteckning
Dela det i sociala medier och i din medarbetarutvärderingRegistrera dig nu

Övervakad maskininlärning i Python

Utbildar du ett team?

Beskrivning av inlärningsväg

Övervakad maskininlärning i Python

Förkunskapskrav

Övervakad inlärning med scikit-learn

Predictive Modeling for Agriculture

Linjära klassificerare i Python

Maskininlärning med trädbaserade modeller i Python

Predicting Movie Rental Durations

Extreme Gradient Boosting med XGBoost

Hyperparameterjustering i Python

Ensemblemetoder i Python

Tjäna ett prestationsbevis

Gå med 19 miljoner lärande och börja Övervakad maskininlärning i Python idag!

Utveckla dina datakunskaper med DataCamp för mobilen

Beskrivning av inlärningsväg

Övervakad maskininlärning i Python

Tjäna ett prestationsbevis

Gå med .css-nklxlk{color:var(--wf-brand--main, #03EF62);}19 miljoner lärande och börja Övervakad maskininlärning i Python idag!

Skapa ditt kostnadsfria konto

Utveckla dina datakunskaper med DataCamp för mobilen

Gå med 19 miljoner lärande och börja Övervakad maskininlärning i Python idag!