课程
使用 scikit-learn 的监督学习
中级技能水平
更新时间 2025年12月
PythonMachine Learning4小时15 视频49 道练习4,050 XP280K+成就证明
创建您的免费帐户
继续使用 Google显示更多选项或
继续操作即表示您接受我们的《使用条款》和《隐私政策》，并同意您的数据存储在美国。
深受数千家公司学习者的喜爱
需要团队培训？
企业版试用课程描述
先决条件
Introduction to Statistics in Python1
分类
在本章中，您将认识分类问题，并学习如何用监督学习技术来解决。您将学习如何将数据划分为训练集和测试集、拟合模型、进行预测并评估准确率。您还将了解模型复杂度与性能之间的关系，并将所学应用到一个流失数据集上，对某电信公司的客户流失状态进行分类。
2
回归
本章将向您介绍回归，并使用一个关于广告支出的数据集构建预测销售额的模型。您将学习线性回归的机制，以及 R-squared 和均方根误差等常见性能指标。您还将执行 k 折交叉验证，并对回归模型进行正则化以降低过拟合风险。
3
模型微调
在完成模型训练后，您将进一步学习如何评估模型。本章将向您介绍多种评估指标，以及一种基于 scikit-learn 的可视化技术来分析分类模型表现。您还将学习如何通过超参数调优来优化分类与回归模型。
4
预处理与流水线
使用 scikit-learn 的监督学习
课程完成 加入超过19百万学习者，今天就开始使用 scikit-learn 的监督学习！
创建您的免费帐户
继续使用 Google显示更多选项或
继续操作即表示您接受我们的《使用条款》和《隐私政策》，并同意您的数据存储在美国。
通过 DataCamp for Mobile 提升您的数据技能
随时随地通过我们的移动课程和每日 5 分钟编程挑战提升技能。