Cours de Science-Régression et Classification Alison | Modèles
Découvrez comment utiliser des modèles de régression, de classification et de regroupement pour tirer des leçons de vos données.
Description
Dans ce cours en ligne gratuit, vous apprendrez trois types différents de modèles: les modèles de régression, les modèles de classification et les modèles de regroupement. Vous apprendrez également comment chacun de ces modèles peut être créé dans Azure ML, R et Python. Le cours commence par vous présenter les modèles de régression. Vous apprendrez ce que la modélisation de régression est et les étapes que vous pouvez prendre pour améliorer vos modèles. Le cours vous enseigne sur la validation croisée et comment il peut vous aider avec vos données. Vous apprendrez à utiliser les paramètres de balayage des modules intégrés d'Azure ML et les caractéristiques de permutation. Ensuite, vous en apprendrez plus sur les modèles de classification. Vous pouvez utiliser plusieurs des mêmes modules intégrés Azure ML pour les modèles de classification que vous pouvez utiliser dans la modélisation de régression. Vous y apprendrez également les paramètres permettant d'évaluer les performances d'un modèle de classification et la création d'un modèle de machine de vecteur de soutien et d'un modèle de forêt de décision à deux classes. Enfin, le cours vous apprend des modèles d'apprentissage non supervisés. Vous apprendrez comment fonctionne une méthode de clustering différente et comment évaluer les modèles de cluster. Vous en apprendrez plus sur les K-means du cluster et le clustering hiérarchique. Vous apprendrez à créer des modèles de clustering en Python et R. Ce cours gratuit d'Alison sera d'un grand intérêt pour les apprenants qui souhaitent approfondir leurs connaissances sur la science des données et l'utilisation de modèles de régression, de classification et de regroupement.
Start Course NowModules
Module 1: Modélisation de régression
-
Résultats d'apprentissage
-
Récapitulatif de régression
-
Affinage d'un modèle de régression avec R
-
Affinage d'un modèle de régression avec Python
-
Récapitulatif de la leçon
Module 2: Modélisation de la classification
-
Résultats d'apprentissage
-
Comprendre la classification
-
Préparation des données pour la classification A R
-
Préparation des données pour la classification Utilisation Python
-
Création d'un Support Vector Machine Model et décision Forest Model
-
Evaluation du modèle de classification
-
Récapitulatif de la leçon
Module 3: Modèles d'apprentissage non supervisés
-
Résultats d'apprentissage
-
Modèles non supervisée et Building k Clustering
-
Exploration et Création de modèles Clustering avec R
-
Exploration et Création de modèles Clustering avec Python
-
Récapitulatif de la leçon
Module 4: Sciences des données - Régression, classification et classification des modèles
Learning Outcomes
Having completed this course you will be able to:
- Discuss the process of regression modelling and how to improve the model;
- Describe how to refine a regression model with R;
- Explain how to refine a regression model with Python;
- Discuss the process of classification modelling and how to improve the model;
- List the metrics for evaluating a classification models performance;
- Describe how to create a support vector machine model and a decision forest model;
- Discuss the process of creating unsupervised learning models;
- Explain how to create hierarchical and k-means clustering models in R;
- Explain how to create hierarchical and k-means clustering models in Python.
Certification
All Alison courses are free to study. To successfully complete a course you must score 80% or higher in each course assessments. Upon successful completion of a course, you can choose to make your achievement formal by purchasing an official Alison Diploma, Certificate or PDF.
Having an official Alison document is a great way to celebrate and share your success. It is:
- Ideal to include with CVs, job applications and portfolios
- A way to show your ability to learn and achieve high results
Careers

Ce cours a été révisé!
Pour une expérience d'apprentissage plus agréable, nous vous recommandons d'étudier la version mobile relogée de ce cours.
Emmenez-moi au cours révisé.