中级
提供者 : Briana Brownell
6 课时 · 26m
语言：阿拉伯语, 德语, 英语, 西班牙语, 法语, 葡萄牙语, 简体中文
课程描述
这些课程将介绍分类建模及其在监督机器学习中的问题空间。这将包括学习和识别分类和预测之间的差异，以及分类建模如何适应更大的机器学习领域。您将学习如何处理分类问题，并向您介绍典型的分类模型管道。
了解分类模型管道后，您将学习如何开始数据收集的初始步骤。最后，您将学习有关如何管理数据收集和分类模型预处理信息的实用技巧。
您将学到的内容
- 区分分类与预测的概念，以及分类在机器学习更大领域中的位置
- 识别监督式机器学习中的基本分类概念
- 将典型的分类模型流程应用于分类问题的处理
- 开始分类模型的数据收集初始步骤
- 管理分类模型的数据收集并对数据进行预处理
关键要点
- 分类建模属于监督式机器学习的问题范畴。
- 分类与预测是不同的概念，本课程将教您如何区分两者。
- 典型的分类模型遵循一套流程，理解该流程有助于您解决分类问题。
- 数据收集与预处理是构建分类模型的重要初始步骤。
- 本课程涵盖了管理分类数据收集的实用技巧。
常见问题
本课程涵盖哪些内容？
本课程介绍分类建模及其在监督式机器学习中的问题范畴，包括分类与预测的区别、分类在机器学习更大领域中的位置、典型的分类模型流程，以及数据收集与预处理的初始步骤。
课程包含哪些课时？
课时内容包括：监督式机器学习、基本分类概念、分类与预测、分类模型流程、数据收集，以及数据预处理。
我将获得哪些技能？
您将培养以下方面的技能：数据分类、机器学习、机器学习模型训练、机器学习模型监控与评估、统计分类，以及监督式学习。
课程是否讲解分类与预测之间的区别？
是的。本课程将教您学习并识别分类与预测之间的区别，以及分类建模在机器学习更大领域中的位置。
课程是否涉及数据收集与预处理？
是的。在讲解分类模型流程之后，课程将介绍数据收集的初始步骤，以及管理数据收集的实用技巧和分类模型预处理相关信息。
