Description du cours
Ces leçons expliqueront le processus typique de construction de modèles en référence au pipeline de modèles de classification. Vous recevrez également une introduction aux problèmes de classification binaire et multi-classes, et la meilleure façon de les utiliser. Vous apprendrez à utiliser l'ingénierie des fonctionnalités pour déterminer les meilleures entrées de données pour vos modèles de classification.
De plus, ces leçons discuteront et décriront la modélisation avec des métriques de qualité. Vous apprendrez à évaluer la qualité d'un modèle de classification et à valider un modèle de classification avant son déploiement.
Ce que vous allez apprendre
- Suivre le processus typique de construction d'un modèle de classification, du pipeline de construction de modèles jusqu'au déploiement
- Appliquer l'ingénierie des caractéristiques pour identifier les meilleures données d'entrée pour les modèles de classification
- Distinguer les problèmes de classification binaire et multi-classes et quand chacun est le mieux utilisé
- Évaluer les performances du modèle de classification à l'aide de métriques de qualité du modèle
- Valider un modèle de classification avant de le déployer
- Construire des modèles de classification pour des problèmes de classification binaire et multiclasse
Points clés à retenir
- Le cours explique le processus typique de création de modèles en référence au pipeline de modèles de classification.
- L'ingénierie des caractéristiques est utilisée pour déterminer les meilleures données d'entrée pour les modèles de classification.
- Les problèmes de classification binaire et multi-classes diffèrent, et chacun a des scénarios dans lesquels il est le mieux utilisé.
- Les métriques de qualité vous permettent d'évaluer la qualité d'un modèle de classification.
- Un modèle de classification doit être validé avant son déploiement.
Foire aux questions
Que couvre ce cours ?
Il couvre le processus typique de construction de modèles pour le pipeline de modèles de classification, une introduction aux problèmes de classification binaire et multiclasse, l'ingénierie des caractéristiques pour le choix des meilleures données d'entrée, la modélisation avec des mesures de qualité et les méthodes de validation de modèles.
Quelle est la différence entre la classification binaire et multi-classes couverte ici ?
Le cours présente les problèmes de classification binaire et multi-classes et discute des manières dont chacun est le mieux utilisé.
Comment le cours aborde-t-il la qualité du modèle et la préparation au déploiement ?
Il discute et souligne la modélisation avec des métriques de qualité, enseignant comment évaluer la qualité d'un modèle de classification et comment valider un modèle de classification avant son déploiement.
Quelles compétences vais-je acquérir grâce à ce cours ?
Vous développerez des compétences en classification de données, ingénierie des caractéristiques, apprentissage des caractéristiques, sélection des caractéristiques, formation de modèles d'apprentissage automatique et classification statistique.
Quels sujets sont enseignés dans les leçons ?
Les leçons couvrent le processus de création de modèles, l'ingénierie des caractéristiques, les problèmes de classification binaire, les métriques de qualité des modèles, les problèmes de classification multiclasse et les méthodes de validation des modèles.
