课程名称: Machine Learning: Classification/分类/华盛顿大学

课程主页: https://www.coursera.org/learn/ml-classification

所在平台: Coursera

课程类别: 机器学习 Machine Learning

大学或机构: 华盛顿大学

讲师： Carlos Guestrin，Emily Fox

授课语言： 英语

提供字幕： 英文

课程文件大小： 1.90GB

课程介绍： 机器学习：分类：案例研究：情绪分析贷款违约预测 在我们的情绪分析案例研究中，您将创建模型，这些模型根据输入特征（评论文本，用户个人资料等）来预测类别（正/负情绪）。在本课程的第二个案例研究（贷款违约预测）中，您将处理财务数据，并预测何时贷款可能对银行有风险或安全。这些任务是分类的示例，分类是机器学习最广泛使用的领域之一，具有广泛的应用程序，包括广告定位，垃圾邮件检测，医学诊断和图像分类。 在本课程中，您将创建分类器，这些分类器可在各种任务上提供最新的性能。您将熟悉最成功的技术，这些技术在实践中使用最广泛，包括逻辑回归，决策树和提升。此外，您将能够设计和实现可使用随机梯度上升大规模学习这些模型的基础算法。您将在现实世界中的大型机器学习任务中实施这些技术。您还将解决在ML的实际应用中将要面对的重要任务，包括处理丢失的数据，测量精度和调用以评估分类器。本课程是动手操作，充满动感的课程，并提供有关这些技术在实际数据上的行为的可视化和插图说明。我们还在每个模块中都包含了可选内容，为那些想深入了解的人涵盖了高级主题！ 学习目标：在本课程结束时，您将能够： -描述分类模型的输入和输出。 -解决二进制和多类分类问题。 -实施用于大型分类的逻辑回归模型。 -使用决策树创建非线性模型。 -使用Boosting改善任何模型的性能。 -使用随机梯度上升来扩展您的方法。 -描述基本的决策边界。 -建立分类模型以预测产品评论数据集中的情绪。 -分析财务数据以预测贷款违约。 -使用技术来处理丢失的数据。 -使用精确调用指标评估模型。 -以Python（或您选择的语言，尽管强烈建议使用Python）实施这些技术。

课程压缩包下载地址（度盘链接）：

友情提醒：