中级
提供者 : Briana Brownell
6 课时 · 27m
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
这些课程将参考分类模型管道解释典型的模型构建过程。您还将收到关于二元和多类分类问题的介绍，以及它们的最佳使用方式。您将学习如何使用特征工程来确定分类模型的最佳数据输入。
此外，这些课程将讨论和概述具有质量指标的建模。您将学习如何评估分类模型的质量，以及如何在部署之前验证分类模型。
您将学到的内容
- 遵循构建分类模型的典型流程，从模型构建管道到部署
- 应用特征工程，识别分类模型的最佳数据输入
- 区分二元分类与多类分类问题，并了解各自的最佳适用场景
- 使用模型质量指标评估分类模型的性能
- 在部署分类模型之前对其进行验证
- 针对二元分类和多类分类问题分别构建分类模型
关键要点
- 本课程结合分类模型管道，讲解了典型的模型构建流程。
- 特征工程用于确定分类模型的最佳数据输入。
- 二元分类与多类分类问题存在差异，各自有其最适用的应用场景。
- 质量指标使您能够评估分类模型的质量。
- 分类模型在部署之前应经过验证。
常见问题
本课程涵盖哪些内容？
课程涵盖分类模型管道的典型模型构建流程、二元分类与多类分类问题简介、用于选择最佳数据输入的特征工程、基于质量指标的建模方法，以及模型验证方法。
本课程中二元分类与多类分类有何区别？
课程介绍了二元分类和多类分类两类问题，并探讨了各自最适用的应用方式。
课程如何讲解模型质量与部署就绪性？
课程对基于质量指标的建模方法进行了讲解与阐述，教授如何评估分类模型的质量，以及如何在部署前对分类模型进行验证。
学完本课程我将获得哪些技能？
您将培养数据分类、特征工程、特征学习、特征选择、机器学习模型训练和统计分类等方面的技能。
各课时讲授哪些主题？
各课时涵盖模型构建流程、特征工程、二元分类问题、模型质量指标、多类分类问题以及模型验证方法。
