Классическое машинное обучение с наблюдением: классификация и регрессия

Понимание машинного обучения с наблюдением является важным первым шагом для любого, кто вступает в науку данных и искусственный интеллект. Этот курс предоставляет четкий, концептуальный путь через основные принципы машинного обучения без необходимости сложного предыдущего опыта. Вы получите полное представление о том, как модели предсказания учатся на основе помеченных данных. Начиная с основной терминологии, вы будете продвигаться к созданию, оценке и уточнению основных классификаций и регрессионных моделей с помощью письменных объяснений и фрагментов кода. - Понимание основных терминов машинного обучения, типов данных и этапов рабочего процесса. - Применение основных регрессионных алгоритмов для прогнозирования непрерывных целевых переменных. - Применять ключевые алгоритмы классификации для решения категориальных задач. - Оценка производительности модели с использованием таких показателей, как точность, восстановление, F1-оценка и среднеквадратическая ошибка. - Основные стратегии проверки достоверности для предотвращения утечки данных и чрезмерного подбора моделей. - Подготовка исходных данных с использованием основных методов инженерной оценки и предварительной обработки. Путь обучения начинается с основных определений и концепций данных, а затем вы пройдете через стандартные алгоритмы, метрики оценки и рабочие процессы проверки. Предназначен для абсолютно начинающих, начинающих специалистов по данным и разработчиков, которым нужно простое введение в машинное обучение без предыдущего опыта. Начните читать сегодня, чтобы освоить основы моделирования предсказаний с наблюдением.