Kurs
Python'da Lineer Sınıflandırıcılar
Orta SeviyeBeceri Seviyesi
Güncel 10.2023PythonMachine Learning4 sa13 video44 Egzersiz3,200 XP65,715Başarı Belgesi
Ücretsiz Hesabınızı Oluşturun
veya
Devam ederek Kullanım Şartlarımızı, Gizlilik Politikamızı ve verilerinizin ABD’de saklandığını kabul etmiş olursunuz.Binlerce şirketten öğrencinin sevgisini kazandı
2 veya daha fazla kişiyi mi eğitiyorsunuz?
DataCamp for Business ürününü deneyinKurs Açıklaması
Önkoşullar
Supervised Learning with scikit-learn1
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.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.
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.
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.
Python'da Lineer Sınıflandırıcılar
Kurs Tamamlandı
Başarı Belgesi Kazanın
Bu kimlik bilgisini LinkedIn profilinize, özgeçmişinize veya CV'nize ekleyinSosyal medyada ve performans incelemenizde paylaşınŞimdi Kaydolun
Bugün 19 milyondan fazla öğrenciye katılın ve Python'da Lineer Sınıflandırıcılar eğitimine başlayın!
Ücretsiz Hesabınızı Oluşturun
veya
Devam ederek Kullanım Şartlarımızı, Gizlilik Politikamızı ve verilerinizin ABD’de saklandığını kabul etmiş olursunuz.DataCamp for Mobile ile veri becerilerinizi geliştirin
Mobil kurslarımız ve günde 5 dakikalık kodlama görevlerimizle hareket halindeyken ilerleme kaydedin.