HomeCorsiScoprire l’apprendimento supervisionato con scikit-learn

Classificazione binaria

Capitolo 2 · Scoprire i metodi di classificazione · lezione 3 su 51
Riservato agli abbonati — ecco l'inizio
Il seguito di questa lezione è riservato agli abbonati Crea il tuo account gratuito per provare gli esercizi di esempio, poi passa all'accesso completo quando vuoi.

Crea il tuo account gratuito

Senza carta di credito, in trenta secondi.
Continua con Google
oppure
Iscriviti con un'e-mail
Già registrato? Accedi
Continuando, accetti le condizioni d'uso e la politica sulla privacy. I tuoi dati sono ospitati nell'Unione europea.

Accesso completo DATAGOZ

19 €/ mese — oppure 190 € / anno
  • Tutti i corsi pubblicati e i percorsi professionali
  • Esercizi e quiz corretti automaticamente
  • Allenamento, esame e attestato di frequenza
  • Senza impegno, disdettabile online
Vedi i piani
Questa lezione fa parte del corso

Scopri l’apprendimento supervisionato con scikit-learn

6 capitoli · 51 lezioni

Découvrez les principes clés de l’apprentissage supervisé avec scikit-learn !

  • La piattaforma di formazioneiscritti
  • Machine learning con scikit-learnabbonati
  • Classificazione binariasei qui
  • Tappe chiave dell’apprendimento supervisionatoabbonati
  • Impostare un problema di classificazioneabbonati
  • Adattare un modello con i k vicini più prossimiabbonati
  • Effettuare previsioni con i k vicini più prossimiabbonati
  • Valutare le prestazioni del modelloiscritti
  • Separare i dati e misurare la precisioneiscritti
  • Individuare l'overfitting e l'underfittingiscritti
  • Analizzare la complessità del modelloiscritti
  • Introduzione ai principi della regressioneiscritti
  • Creare e selezionare le feature pertinentiiscritti
  • Costruire un modello di regressione lineareiscritti
  • Rappresentare graficamente un modello di regressione lineareiscritti
  • Acquisire i principi fondamentali della regressione lineareiscritti
  • Adattare un modello e realizzare previsioniiscritti
  • Valutare le prestazioni di un modello di regressioneiscritti
  • Scoprire i principi della convalida incrociataabbonati
  • Valutare il coefficiente R² tramite convalida incrociataabbonati
  • Interpretare gli indicatori di convalida incrociataabbonati
  • Migliorare i modelli grazie alla regolarizzazioneabbonati
  • Applicare la regolarizzazione Ridge (Cresta)abbonati
  • Identificare le caratteristiche importanti con la regressione Lassoabbonati
  • Valutare l'affidabilità e la qualità del tuo modelloabbonati
  • Scegliere una metrica di valutazione adeguataabbonati
  • Valutare un classificatore di previsione del diabeteabbonati
  • Scoprire la regressione logistica e la curva ROCabbonati
  • Costruire un modello di regressione logisticaabbonati
  • Tracciare e interpretare la curva ROCiscritti
  • Misurare le prestazioni con l’area sotto la curva ROC (ROC AUC)iscritti
  • Capire la regolazione degli iperparametriiscritti
  • Ottimizzare gli iperparametri con GridSearchCViscritti
  • Esplorare gli iperparametri con RandomizedSearchCViscritti
  • Preparare e trasformare i datiiscritti
  • Codificare le variabili categorialiiscritti
  • Applicare la regressione ai dati categorialiiscritti
  • Gestire i valori mancantiiscritti
  • Trattare i dati incompleti tramite eliminazioneiscritti
  • Costruire una pipeline per prevedere il genere musicale (1ª parte)iscritti
  • Completare la pipeline di previsione del genere musicale (2ª parte)iscritti
  • Standardizzare i dati mediante centratura e ridimensionamentoiscritti
  • Applicare la standardizzazione a un modello di regressioneiscritti
  • Standardizzare i dati per la classificazioneiscritti
  • Confrontare le prestazioni di più modelliiscritti
  • Visualizzare i risultati dei modelli di regressioneiscritti
  • Effettuare previsioni sui dati di testiscritti
  • Confrontare graficamente le prestazioni dei modelli di classificazioneiscritti
  • Creare una pipeline per prevedere la popolarità delle canzoniiscritti
  • Bilancio delle conoscenze acquisite nel corsoiscritti
  • Conclusione del corsoiscritti
Lezione successiva

Tappe chiave dell'apprendimento supervisionato

Vedi il programma Crea un account per continuare