Description du cours
Les modèles de classification des données sont à la base de divers systèmes dans la défense et l'industrie. Il existe un grand nombre de facteurs qui peuvent contribuer à une augmentation ou à une diminution des performances et de la fiabilité du modèle. Avant de plonger dans la formation et la sélection de votre modèle de classification, la classification est le processus de mise en correspondance d'un ensemble d'entrées à une variable de sortie discrète. Il est essentiel que vous ayez une excellente compréhension de base de ce qu'est la classification ainsi que du flux de travail associé à la sélection du meilleur modèle pour votre application et vos besoins. L'objectif est de faire en sorte que le modèle d'apprentissage automatique apprenne une fonction de mise en correspondance à partir d'un ensemble d'entrées de données d'entrée étiquetées par classe. Dans ce module MATLAB, vous découvrirez la classification des données et comment l'implémenter dans MATLAB.
Après avoir terminé ce module, vous pouvez appliquer ce que vous avez appris à n'importe quel projet ou tâche impliquant la classification des données. Cela vous permettra de créer et de mettre en œuvre différents modèles prédictifs. Ceux-ci peuvent être utilisés dans des applications telles que la finance, la publicité, la météo/climat et même la médecine.
Ce que vous allez apprendre
- Définir ce qu'est la classification de données et le processus de mappage d'entrées vers une variable de sortie discrète
- Reconnaître les concepts d'entrées et de sorties dans la classification de données
- Comprendre le flux de travail du modèle de classification
- Implémenter la classification de données dans MATLAB
- Sélectionner le meilleur modèle de classification pour une application et des besoins donnés
- Créer et implémenter différents modèles prédictifs pour des applications telles que la finance, la publicité, la météo/le climat et la médecine
Points clés à retenir
- La classification est le processus de mappage d'un ensemble d'entrées vers une variable de sortie discrète.
- Les modèles de classification de données constituent la base de divers systèmes dans la défense et l'industrie.
- L'objectif de la classification est d'amener le modèle d'apprentissage automatique à apprendre une fonction de mappage à partir de données d'entrée étiquetées par classe.
- Une solide compréhension fondamentale de la classification et du flux de travail de sélection de modèles est essentielle avant de former et de sélectionner un modèle de classification.
- La classification de données peut être appliquée à des modèles prédictifs dans des domaines tels que la finance, la publicité, la météo/le climat et la médecine.
Foire aux questions
Que vais-je apprendre dans ce module MATLAB ?
Vous apprendrez ce qu'est la classification de données et comment l'implémenter dans MATLAB, y compris les concepts d'entrées et de sorties et le flux de travail du modèle de classification.
Quels sujets ce cours couvre-t-il ?
Le cours couvre un aperçu de la classification, la sélection du modèle de classification et le flux de travail du modèle de classification de données.
Que puis-je faire après avoir terminé ce module ?
Après avoir terminé ce module, vous pourrez appliquer ce que vous avez appris à tout projet ou tâche impliquant la classification de données, ce qui vous permettra de créer et d'implémenter différents modèles prédictifs pour des applications telles que la finance, la publicité, la météo/le climat et la médecine.
Quelles compétences ce cours aide-t-il à développer ?
Ce cours aide à développer des compétences en classification de données, science des données, MATLAB, MeshLab et classification statistique.
Comment la classification de données est-elle définie dans ce cours ?
La classification est définie comme le processus de mappage d'un ensemble d'entrées vers une variable de sortie discrète, dans le but de faire en sorte qu'un modèle d'apprentissage automatique apprenne une fonction de mappage à partir de données d'entrée étiquetées par classe.
