在 Python 中应用机器学习
Kevyn Collins-Thompson
口袋资源独家Coursera付费课程,独家中英文字幕,配套资料齐全!
用不到1/10的价格,即可享受同样的高品质课程,且可以完全拥有,随时随地都可以任意观看和分享。
关于本课程
本课程将向学习者介绍应用机器学习,更多地关注技术和方法,而不是这些方法背后的统计数据。该课程将首先讨论机器学习与描述性统计有何不同,并通过教程介绍 scikit 学习工具包。将讨论数据的维数问题,并将处理聚类数据以及评估这些聚类的任务。将描述用于创建预测模型的监督方法,学习者将能够应用 scikit learn 预测建模方法,同时理解与数据普遍性相关的过程问题(例如交叉验证、过度拟合)。本课程最后将介绍更高级的技术,例如构建集成和预测模型的实际限制。
本课程应在 Python 数据科学简介和 Python 应用绘图、制图和数据表示之后以及 Python 应用文本挖掘和 Python 应用社会分析之前学习。
你将学到什么
- 描述机器学习与描述性统计有何不同
- 创建和评估数据集群
- 解释创建预测模型的不同方法
- 构建满足分析需求的特征
你将获得的技能
- Python编程
- 机器学习 (ML) 算法
- 机器学习
- Scikit-学习
声明:口袋资源网(koudaizy.com)提供的所有课程、素材等资源全部来源于互联网,赞助VIP仅用于对口袋资源服务器带宽及网站运营等费用支出做支持,从本站下载资源,说明你已同意本条款。