Основы машинного обучения для задач классификации

Классификация — это основа прикладного машинного обучения, которая используется во всем, начиная от фильтров спама и заканчивая предсказательным анализом. Изучение правил выбора и обучения алгоритмов позволит вам превратить необработанные структурированные данные в полезные выводы. Вы получите четкое понимание основных концепций, основных алгоритмов и практических методов оценки, не теряясь в слишком сложной математике. Что вы узнаете: Понимание фундаментальной терминологии и основных рабочих процессов классификации; Применение популярных алгоритмов, таких как логистическая регрессия, деревья решений и случайные леса; Подготовка особенностей и решение общих проблем, таких, как несбалансированные наборы данных; Точная оценка моделей с использованием таких метрик, как точность, восстановление, F1-оценка и ROC-AUC; Курс направлен на то, чтобы помочь вам понять, как работает Python, и научить вас создавать и тестировать классификаторы. Курс начинается с базовой терминологии, подготовки набора данных и постановки задачи, а затем переходит к индивидуальным алгоритмам и методам проверки модели. Этот курс разработан специально для начинающих, и для его прохождения не требуется предыдущего опыта машинного обучения. Начните читать уже сегодня, чтобы освоить основные методы классификации в машинном обучении.