Kursbeschreibung
In diesem Kapitel lernen Sie die Konzepte und Techniken des überwachten Lernens kennen. Es wird die lineare und logistische Regression behandelt. Sie lernen Support-Vektor-Maschinen und deren Einsatzmöglichkeiten kennen. In diesem Kapitel werden auch Entscheidungsbäume, Zufallswälder und Ensemble-Lernen behandelt, und es wird erklärt, wie sie alle miteinander zusammenhängen. Auch neuronale Netze werden in diesem Kapitel behandelt.
Lernziele:
- Sie lernen die verschiedenen Techniken des maschinellen Lernens unter Aufsicht kennen
- Sie erfahren mehr über die Vorteile von Ensembles gegenüber einzelnen Klassifikatoren
Fähigkeiten:
- Sie lernen, wie man logistische und lineare Regression in Python implementiert
- Sie lernen, wie man Support-Vektor-Maschinen in Python implementiert
- Sie lernen, wie man Entscheidungsbäume und Zufallswälder in Python implementiert
- Sie lernen, wie man neuronale Netze in Python implementiert
Was Sie lernen werden
- Wenden Sie lineare und logistische Regression als überwachte Lernmethoden an
- Verwenden Sie Support Vector Machines und verstehen Sie ihre Anwendungen
- Erstellen Sie Entscheidungsbäume und zufällige Wälder und verstehen Sie ihre Beziehung
- Erkunden Sie Ensemble-Lernen und die Vorteile von Ensembles gegenüber einzelnen grundlegenden Klassifizierer
- Verstehen Sie neuronale Netzwerke im überwachten maschinellen Lernen
Wichtige Erkenntnisse
- Dieses Kapitel behandelt Konzepte und Techniken des überwachten Lernens, einschließlich linearer und logistischer Regression.
- Support Vector Machines und ihre Anwendungen werden zusammen mit Entscheidungsbäumen und zufälligen Wäldern diskutiert.
- Das Kapitel erklärt Entscheidungsbäume, zufällige Wälder und Ensemble-Lernen und wie diese alle miteinander verbunden sind.
- Es hebt die Vorteile von Ensembles gegenüber einzelnen grundlegenden Klassifizierern hervor.
- Neuronale Netzwerke werden ebenfalls im Rahmen des überwachten maschinellen Lernens diskutiert.
Häufig gestellte Fragen
Welche Techniken des überwachten maschinellen Lernens behandelt dieses Kapitel?
Es behandelt lineare und logistische Regression, Support Vector Machines, Entscheidungsbäume, zufällige Wälder, Ensemble-Lernen und neuronale Netzwerke.
Was werde ich über Ensembles in diesem Kurs lernen?
Sie werden über Ensemble-Lernen und die Vorteile von Ensembles gegenüber einzelnen grundlegenden Klassifizierern erfahren und verstehen, wie Entscheidungsbäume, zufällige Wälder und Ensemble-Lernen alle miteinander verbunden sind.
Auf welche Fähigkeiten konzentriert sich dieser Kurs?
Er konzentriert sich auf überwachtes Lernen, Algorithmen und Methoden des maschinellen Lernens, Data-Mining-Methoden und Entscheidungsbaum-Lernen.
Sind neuronale Netzwerke in diesem Kapitel enthalten?
Ja, neuronale Netzwerke werden in diesem Kapitel behandelt.
