机器学习和AI基础:分类建模 中文字幕

课程信息
英文名Machine Learning and AI Foundations: Classification Modeling
课程来源Lynda.com
讲师Keith McCormick
课程ID645050
课程时长2.0小时
下载所需积分50
所属类别全部 网络管理

一类问题绝对主导机器学习和人工智能:分类

二进制分类是一种主要的方法,它将数据分为两类:购买与否,欺诈与否,生病与否等

机器学习和基于人工智能的解决方案需要准确,精心选择的算法才能正确执行分类

本课程解释了为什么预测分析项目最终是分类问题,以及数据科学家如何为他们的项目选择正确的策略(或策略)

导师Keith McCormick利用传统统计学和现代机器学习的技巧,揭示他们的优点和缺点

Keith解释了如何定义分类策略,明确指出正确的选择通常是多种方法的组合

然后,他演示了11种不同的算法来构建模型,从判别分析到逻辑回归到人工神经网络

最后,学习如何克服诸如处理缺失数据和执行数据缩减等挑战

注意:这些教程侧重于二进制分类算法的理论和实际应用

没有软件可以跟随课程

主题包括:

你为什么需要分类?

统计算法与机器学习算法

使用合奏组合模型

分类建模挑战

- [Keith]在我20多年的机器学习模型建设中,我参与了很多项目。

但是,如果您更广泛地考虑这些相同的项目,作为一个系列,最终为客户提供解决方案,他们中的每一个都涉及预测某种二元结果。

Bi或不bi,欺诈或不欺诈,生病与否,以及许多其他人。

对于我们在预测分析中所做的事情而言,没有比二进制分类更重要的了。

在本课程中,我将仔细定义哪些分类模型及其重要性。

然后,我们将一起开始探索构建这些模型的十几种不同的算法方法。

它们包括一些着名的技术,所以你可能听过一些名字。

但可能会有一些你没有听说过的。

它们的共同之处在于它们代表了当今使用的最重要和最常用的AI和机器学习算法。

由于我们将在课程中与工具无关,并且几乎没有任何先决条件,所有人都可以和我一起探索这些概念和技术。

你将成为一个知识渊博的数据科学家和更好的建模者。

所以请加入我。

中文课程网 提供全网最全,中文翻译质量最高的国外课程视频资源(Lynda / Pluralsight)

请先登陆 如果还没有账号,请先注册