学完这些课程后，我对创建专业的可视化图表和仪表板充满信心
Shoebur Rahman采购专员，Giz Bangladesh
课程简介
这门初级机器学习课程涵盖四种最常见的分类算法。您将了解每种算法如何处理学习任务的基本思路，并学习在 R 中应用这些工具所需的函数，以便用于您的实际工作。
先修要求
课程体系
课程大纲
1
k-近邻（kNN）
由于 kNN 算法字面意义上"以示例来学习"，它非常适合作为理解监督式机器学习的起点。本章将介绍分类的基本概念，并通过将 kNN 应用于自动驾驶车辆的道路标志识别来展开讲解。
2
朴素贝叶斯
朴素贝叶斯基于统计学原理进行预测。本章将介绍贝叶斯方法的基础，并探讨如何将这些技术应用于类似 iPhone 的目的地智能推荐。
3
逻辑回归
逻辑回归通过为数值数据拟合曲线来预测二元事件。它可以说是最广泛使用的机器学习方法之一。本章将概述该技术，并演示如何将其应用于筹款数据。
4
分类树
分类树使用类似流程图的结构来进行决策。由于人类可以直观理解这类树形结构，当需要透明度（例如贷款审批）时，分类树非常有用。我们将使用 Lending Club 数据集来模拟这一场景。
R
R 中的监督学习：分类
课程已完成
