Science des données-Modèles de régression et de classification

Ce cours commence par une discussion sur le processus de modélisation de régression et sur la façon d'améliorer le modèle. Vous apprendrez comment affiner un modèle de régression avec R et Python ainsi que la validation croisée des études, y compris comment elle peut vous aider avec vos données. Ce cours vous enseignera également comment utiliser les modules intégrés d'Azure ML, les paramètres de balayage et les fonctions de permutation. Vous apprendrez également les étapes nécessaires à la validation croisée d'un modèle.

Vous étudierez ensuite le processus de modélisation de la classification et la façon d'améliorer le modèle. Tout comme les modèles de régression, vous pouvez utiliser le module Evaluer le module et les paramètres de balayage dans la modélisation de la classification. Avec ce cours, vous allez apprendre les métriques d'évaluation des performances d'un modèle de classification ainsi que la façon de créer un modèle de machine de vecteur de support et un modèle de forêt de décision. Vous apprendrez également que la préparation des données (Data munging) est le processus le plus long d'un projet Data Science qui est un processus itératif.

Développez vos connaissances dans la science des données et l'utilisation de modèles de régression, de classification et de mise en cluster avec ce cours en ligne d'Alison. Pour compléter ce cours avec succès, vous avez besoin d'une connaissance de base des mathématiques, y compris l'algèbre linéaire et une certaine expérience de programmation en R ou Python. Il est également conseillé de terminer d'abord les cours "Introduction à la science des données", "Utilisation des données" et "Visualisation des données et exploration de modèles". Fait avec eux? Alors commencez ce cours aujourd'hui !