Machine Learning and AI Foundations: Classification Modeling 机器学习和AI基础：分类建模 Lynda课程中文字幕

width="800px" height="600px" id="bofqi_embed" src="//player.bilibili.com/player.html?aid=46206447" align="middle" scrolling="no" allowfullscreen="true"> ## Machine Learning and AI Foundations: Classification Modeling 中文字幕 ## 机器学习和AI基础：分类建模 中文字幕**Machine Learning and AI Foundations: Classification Modeling**  一类问题绝对主导机器学习和人工智能：分类 二进制分类是一种主要的方法，它将数据分为两类：购买与否，欺诈与否，生病与否等 机器学习和基于人工智能的解决方案需要准确，精心选择的算法才能正确执行分类 本课程解释了为什么预测分析项目最终是分类问题，以及数据科学家如何为他们的项目选择正确的策略（或策略） 导师Keith McCormick利用传统统计学和现代机器学习的技巧，揭示他们的优点和缺点 Keith解释了如何定义分类策略，明确指出正确的选择通常是多种方法的组合 然后，他演示了11种不同的算法来构建模型，从判别分析到逻辑回归到人工神经网络 最后，学习如何克服诸如处理缺失数据和执行数据缩减等挑战

注意：这些教程侧重于二进制分类算法的理论和实际应用
没有软件可以跟随课程

主题包括：
你为什么需要分类？
统计算法与机器学习算法
使用合奏组合模型
分类建模挑战

• [Keith]在我20多年的机器学习模型建设中，我参与了很多项目。
  但是，如果您更广泛地考虑这些相同的项目，作为一个系列，最终为客户提供解决方案，他们中的每一个都涉及预测某种二元结果。
  Bi或不bi，欺诈或不欺诈，生病与否，以及许多其他人。
  对于我们在预测分析中所做的事情而言，没有比二进制分类更重要的了。
  在本课程中，我将仔细定义哪些分类模型及其重要性。
  然后，我们将一起开始探索构建这些模型的十几种不同的算法方法。
  它们包括一些着名的技术，所以你可能听过一些名字。
  但可能会有一些你没有听说过的。
  它们的共同之处在于它们代表了当今使用的最重要和最常用的AI和机器学习算法。
  由于我们将在课程中与工具无关，并且几乎没有任何先决条件，所有人都可以和我一起探索这些概念和技术。
  你将成为一个知识渊博的数据科学家和更好的建模者。
  所以请加入我。
  本课程视频下载地址:机器学习和AI基础：分类建模