课程主页: https://www.coursera.org/learn/supervised-machine-learning-classification

课程介绍

在现代数据科学的领域中，监督学习是一个至关重要的环节，而分类则是其中一个主要的建模方法。本课程《监督机器学习：分类》将带您深入理解分类的基本理论与实践，帮助您掌握如何训练预测模型以分类不同的类别结果。

课程概览

您将学习如何使用误差指标评估不同模型的表现，并了解分类中的最佳实践，包括训练和测试数据的分割，以及如何处理不平衡的数据集。通过真实案例的实践，您将获得宝贵的技能，能够将其应用于实际的商业问题中。

课程大纲

1. 逻辑回归：深度解析逻辑回归算法以及其在不同行业中的应用，帮助您建立对分类任务的基线模型。

2. K 近邻算法：了解 K 近邻算法的工作原理，并通过实例练习，掌握如何在 sklearn 中构建模型。

3. 支持向量机：学习如何使用支持向量机构造超平面来划分数据，提高分类的准确性。

4. 决策树：通过丰富的理论与实例，探索决策树模型的优缺点，开启分类模型的可视化之旅。

5. 集成模型：掌握集成技术如何提高模型的准确性与鲁棒性，包括随机梯度提升的应用。

6. 不平衡类建模：学习处理不平衡数据集的不同方法，确保分类器的鲁棒性与有效性。

课程主页: https://www.coursera.org/learn/supervised-machine-learning-classification