Classificatori lineari in Python
6 capitoli · 46 lezioni
≈ 12 h
Attestato di frequenza
Modificabile dal vostro datore di lavoro, su preventivo e fattura
Crea il tuo account gratuito
11 lezioni sono aperte, senza carta di credito.
Crea il mio account
Ho già un account
I tuoi dati sono ospitati nell'Unione europea. Riservatezza
Descrizione
Come si svolge il corso
Ogni lezione è un testo strutturato, illustrato con esempi e schemi, seguito da un quiz corretto automaticamente. Procedi al tuo ritmo, e le tue note restano collegate alla lezione in cui le hai prese.
Questo formato ti va bene?
Guarda la prima lezione11 lezioni aperte, senza carta di credito.
Programma
6 capitoli, 46 lezioni
- 2. Richiamo dei fondamenti di scikit-learnaperto
- 2. Scoprire la classificazione KNNaperto
- 2. Confrontare le prestazioni dei modelliaperto
- 2. Comprendere il sovradattamentoaperto
- 2. Applicare la regressione logistica e le SVMaperto
- 2. Usare LogisticRegression e SVCaperto
- 2. Eseguire un'analisi del sentiment su recensioni di filmaperto
- 2. Comprendere i classificatori lineariaperto
- 2. Identificare i confini decisionali lineariaperto
- 2. Visualizzare i confini decisionaliaperto
- 3. Studiare i coefficienti dei classificatori lineariabbonati
- 3. Comprendere come i modelli producono le loro previsioniabbonati
- 3. Modificare i coefficienti di un modelloabbonati
- 3. Scoprire il concetto di funzione di perditaabbonati
- 3. Comprendere la funzione di perdita 0-1abbonati
- 3. Imparare a minimizzare una funzione di perditaabbonati
- 3. Visualizzare le diverse funzioni di perditaabbonati
- 3. Esplorare le funzioni di perdita nella classificazioneabbonati
- 3. Confrontare le funzioni di perdita logistica e hingeabbonati
- 3. Implementare un modello di regressione logisticaabbonati
- 4. Comprendere la regolarizzazione nella regressione logisticaabbonati
- 4. Mettere in pratica una regressione logistica regolarizzataabbonati
- 4. Usare la regressione logistica per selezionare le variabiliabbonati
- 4. Identificare le parole più positive e più negativeabbonati
- 4. Comprendere le probabilità nella regressione logisticaabbonati
- 4. Estrarre le probabilità di appartenenza alle classiabbonati
- 4. Studiare l'effetto della regolarizzazione sulle probabilitàabbonati
- 4. Visualizzare esempi di classificazione semplici e complessiabbonati
- 4. Scoprire la regressione logistica multiclasseabbonati
- 4. Determinare il numero di coefficientiabbonati
- 4. Adattare un modello di regressione logistica multiclasseabbonati
- 4. Visualizzare i risultati della regressione logistica multiclasseabbonati
- 4. Applicare la strategia SVM uno-contro-tuttiabbonati
- 5. Comprendere i vettori di supportoabbonati
- 5. Identificare i vettori di supportoabbonati
- 5. Studiare l'effetto della rimozione di alcune osservazioniabbonati
- 5. Scoprire le SVM con kernelabbonati
- 5. Iniziare con GridSearchCVabbonati
- 5. Ottimizzare simultaneamente i parametri gamma e C con GridSearchCVabbonati
- 5. Confrontare la regressione logistica, le SVM e altri metodiabbonati
- 5. Identificare i vantaggi delle SVMabbonati
- 5. Identificare i vantaggi della regressione logisticaabbonati
- 5. Utilizzare il modello SGDClassifierabbonati
- 5. In conclusioneabbonati
Cosa è incluso
Tutto ciò che accompagna le lezioni
46 lezioniIllustrate con esempi e schemi.
Quiz in ogni lezioneCorrezioni immediate; conta solo il tuo punteggio migliore.
Le tue notePrese durante le lezioni, ritrovate per sezione.
Domande sul corsoPoni le tue domande nella lezione: il team e gli altri studenti rispondono.
Monitoraggio dei progressiPer sezione, con i tuoi risultati ai quiz.
Attestato verificabileNominativo, con un codice unico.
Ritmo
Quanto tempo, in base alla tua disponibilità
Posso dedicarvi, a settimana:
Attestato
Cosa ottieni alla fine
ATTESTATO DI SUPERAMENTOClassificatori lineari in Pythonrilasciato a tuo nome
Codice univocoVerificabile online
Al termine del corso, l’attestato viene rilasciato a tuo nome. Il suo codice permette a un recruiter di verificarlo in pochi secondi.
Non è un diploma né una certificazione professionale; è la prova verificabile che hai seguito e superato questo corso.
Autore
Chi scrive questo corso
ÉQ
Team DATAGOZ
Formatore · DATAGOZ
Una didattica chiara e applicata, con esempi concreti per imparare in modo efficace.
Domande
Prima di iniziare
Nessun prerequisito: il corso parte dalle basi.
Finché il tuo abbonamento è attivo. Se lo interrompi, i tuoi progressi e le tue attestazioni restano conservati.
Un attestato di frequenza DATAGOZ, nominativo e verificabile online tramite il suo codice. Non è un diploma.
Accessibilità. Sei in situazione di disabilità? Scrivi a contact@datagoz.com: valuteremo insieme gli eventuali adattamenti possibili.
Inizia oggi questo corso
11 lezioni aperte, senza carta di credito. Vedrai il livello e il tono prima di decidere.