InícioCursosClassificadores lineares em Python

Compreender os classificadores lineares

Capítulo 2 · Prática de regressão logística e SVM · lição 9 de 46
Reservado aos subscritores — eis o seu início
Neste vídeo, vamos ver o que significa um classificador ser linear. Uma fronteira de decisão nos indica qual classe o nosso classificador prevê para qualquer valor de x. Nesta imagem, o classificador prevê a classe azul na área sombreada em azul, onde a característica dois é baixa, e a classe vermelha na área sombreada em vermelho, onde a característica dois é alta. A linha que separa as duas regiões chama-se fronteira de decisão. Esta fronteira de decisão é chamada linear porque se parece com uma reta. Ela não precisa ser horizontal; pode ter qualquer orientação. Esta definição também se estende a mais de duas característiq
A continuação desta lição é reservada aos subscritores Crie a sua conta gratuita para testar os exercícios de exemplo e, depois, passe para o acesso completo quando quiser.

Crie a sua conta gratuita

Sem cartão de crédito, em trinta segundos.
Continuar com o Google
ou
Inscrever-se com um e-mail
Já tem conta? Iniciar sessão
Ao continuar, aceita os termos de utilização e a política de privacidade. Os seus dados são alojados na União Europeia.

Acesso completo DATAGOZ

19 €/ mês — ou 190 € / ano
  • Todos os cursos publicados e os percursos profissionais
  • Exercícios e questionários corrigidos automaticamente
  • Treino, exame e certificado de frequência
  • Sem compromisso, cancelável online
Ver os planos
Esta lição faz parte do curso

Classificadores lineares em Python

short_training6 capítulos · 46 lições
  • A plataforma de formaçãosubscritores
  • Revisão dos fundamentos do scikit-learnassinantes
  • Descobrir a classificação KNNassinantes
  • Comparar o desempenho dos modelosassinantes
  • Compreender o sobreajusteassinantes
  • Aplicar a regressão logística e as SVMassinantes
  • Utilizar LogisticRegression e SVCassinantes
  • Realizar uma análise de sentimento sobre críticas de filmesassinantes
  • Compreender os classificadores linearesvocê está aqui
  • Identificar as fronteiras de decisão linearesassinantes
  • Visualizar as fronteiras de decisãoassinantes
  • Estudar os coeficientes dos classificadores linearessubscritores
  • Compreender como os modelos produzem as suas previsõessubscritores
  • Modificar os coeficientes de um modelosubscritores
  • Descobrir o conceito de função de perdasubscritores
  • Compreender a função de perda 0-1subscritores
  • Aprender a minimizar uma função de perdasubscritores
  • Visualizar as diferentes funções de perdasubscritores
  • Explorar as funções de perda em classificaçãosubscritores
  • Comparar as funções de perda logística e hingesubscritores
  • Implementar um modelo de regressão logísticasubscritores
  • Compreender a regularização na regressão logísticasubscritores
  • Implementar uma regressão logística regularizadasubscritores
  • Usar a regressão logística para selecionar variáveissubscritores
  • Identificar as palavras mais positivas e as mais negativassubscritores
  • Compreender as probabilidades na regressão logísticasubscritores
  • Extrair as probabilidades de pertencimento às classessubscritores
  • Estudar o efeito da regularização sobre as probabilidadessubscritores
  • Visualizar exemplos de classificação simples e complexossubscritores
  • Descobrir a regressão logística multiclassesubscritores
  • Determinar o número de coeficientessubscritores
  • Ajustar um modelo de regressão logística multiclassesubscritores
  • Visualizar os resultados da regressão logística multiclassesubscritores
  • Aplicar a estratégia SVM um-contra-todossubscritores
  • Compreender os vetores de suportesubscritores
  • Identificar os vetores de suportesubscritores
  • Estudar o efeito da remoção de certas observaçõessubscritores
  • Descobrir os SVM com kernelsubscritores
  • Começar a usar o GridSearchCVsubscritores
  • Otimizar simultaneamente os parâmetros gamma e C com o GridSearchCVsubscritores
  • Comparar a regressão logística, os SVM e outros métodossubscritores
  • Identificar as vantagens dos SVMsubscritores
  • Identificar as vantagens da regressão logísticasubscritores
  • Utilizar o modelo SGDClassifiersubscritores
  • Para concluirassinantes
  • Conclusão da formaçãoassinantes
Próxima lição

Identificar as fronteiras de decisão lineares

Ver o programa Crie uma conta para continuar