Wprowadzenie do regresji i klasyfikacji w nauce o danych

Modelowanie predykcyjne jest podstawą nowoczesnej analizy danych. Wybór i dostrojenie odpowiedniego algorytmu może być jednak przytłaczające. Zrozumienie podstawowych zasad regresji i klasyfikacji zapewnia podejmowanie świadomych, matematycznie uzasadnionych decyzji podczas analizy. Ten kurs tekstowy prowadzi od podstawowych pojęć statystycznych do pewnego wdrażania i oceny modeli predykcyjnych na prawdziwych zbiorach danych. Czego się nauczysz: 1.Zrozum podstawowe pojęcia nadzorowanego uczenia się statystycznego, w tym kompromis wariancji. 2. Buduj i oceniaj modele regresji liniowej i logistycznej dla wyników ciągłych i kategorycznych. 3. Zastosuj metody oparte na drzewach i techniki ponownego próbkowania, takie jak walidacja krzyżowa, aby poprawić wydajność modelu. 4. Zaczniesz od kluczowej terminologii i podstawowych definicji, zanim przejdziesz krok po kroku przez regresję, klasyfikację i algorytmy oparte na drzewach. Każda koncepcja jest wzmocniona jasnymi pisemnymi wyjaśnieniami i praktycznymi fragmentami kodu, aby zbudować swoją intuicję.Ten kurs jest przeznaczony dla początkujących analityków danych i początkujący chętni do nauki modelowania statystycznego; nie jest wymagane wcześniejsze zaawansowane doświadczenie matematyczne lub uczenie maszynowe. Zacznij czytać już dziś, aby opanować podstawowe algorytmy, które zasilają podejmowanie decyzji opartych na danych.