Deep Learning Specialization on Coursera

课程主页: https://www.coursera.org/learn/predictive-modeling-analytics

欢迎来到Coursera上第二个数据分析商业专业课程——《预测建模与分析》。本课程将让您接触到一些最广泛使用的预测建模技术及其核心原理。通过本课程,您将建立坚实的预测分析基础,这涉及到基于数据构建统计或机器学习模型的工具和技术。

课程大纲包括:

1. 探索性数据分析与可视化
在这个模块结束时,学生将能够: 1. 进行探索性数据分析以获取洞察力并为预测建模准备数据 2. 使用适当的工具总结和可视化数据集 3. 确定连续和离散结果的预测建模技术 4. 使用Excel探索数据集 5. 解释并执行几个常见的数据预处理步骤 6. 选择适当的图形来探索和展示数据集。

2. 预测连续变量
本模块介绍了回归技术,以预测连续变量的值。涵盖了一些预测建模的基本概念,包括交叉验证、模型选择和过拟合。您还将学习如何使用软件工具XLMiner构建预测模型。

3. 预测二元结果
本模块介绍了逻辑回归模型,用于预测二元变量的值。与连续变量不同,二元变量仅能取两种不同的值,预测其值通常称为分类。讨论了一些分类的关键概念,包括交叉验证与混淆矩阵、成本敏感分类以及ROC曲线。您还将学习如何使用软件工具XLMiner构建分类模型。

4. 树模型及其他预测模型
本模块介绍了更高级的预测模型,包括决策树和神经网络。这些模型可用于预测连续或二元变量。您还将学习如何使用软件工具XLMiner构建树和神经网络模型。

总的来说,《预测建模与分析》课程不仅为学生提供了扎实的理论知识基础,还通过使用XLMiner等工具进行了实际操作,适合那些对数据分析和预测建模感兴趣的学习者。无论您是新手还是希望提升技能的专业人士,均可获得很大的收获。

课程主页: https://www.coursera.org/learn/predictive-modeling-analytics

作者 CourseEye