Python中的支持向量机 (SVM)
学习Python中的支持向量机。涵盖从基本的SVM模型到基于核的机器学习高级SVM模型。
讲座 -36
资源 -1
时长 -4小时
终身访问
课程 描述
您正在寻找一个完整的支持向量机课程,该课程可以教会您创建 Python 中的支持向量机模型所需的一切,对吗?
您已经找到了正确的支持向量机技术课程!
本课程将如何帮助您?
参加此机器学习高级课程的所有学生都将获得可验证的结业证书。
如果您是希望学习并将机器学习应用于业务实际问题的业务经理、高管或学生,本课程将通过教授一些机器学习的高级技术(即支持向量机)为您打下坚实的基础。
您为什么要选择本课程?
本课程涵盖了解决业务问题时应采取的所有步骤,方法是通过决策树。
大多数课程只专注于教授如何运行分析,但我们认为运行分析之前和之后发生的事情更为重要,即在运行分析之前,拥有正确的数据并对其进行一些预处理非常重要。运行分析后,您应该能够判断模型的优劣,并解释结果,以便真正帮助您的业务。
是什么使我们有资格教授您?
本课程由 Abhishek 和 Pukhraj 教授。作为全球分析咨询公司的经理,我们帮助企业使用机器学习技术解决其业务问题,并且我们利用我们的经验将数据分析的实际方面纳入本课程。
我们的承诺
教授我们的学生是我们的工作,我们对此充满信心。如果您对课程内容、练习表或任何相关主题有任何疑问,您始终可以在课程中发布问题或向我们发送直接消息。
本课程适合谁
- 追求数据科学职业的人士
- 开始数据之旅的职场人士
- 需要更多实践经验的统计学家
- 任何希望在短时间内掌握从初学者到高级的 SVM 技术的人士
目标
- 深入了解支持向量机 (SVM)
- 了解支持向量机 (SVM) 适用的业务场景
- 调整机器学习模型的超参数并评估其性能。
- 使用支持向量机 (SVM) 进行预测
- 在 Python 中实现 SVM 模型
先决条件
- 学生需要安装 Python 和 Anaconda 软件,但我们有一个单独的讲座来帮助您安装。
课程
查看课程内部内容的详细细分
Python 设置
10 节课
- 安装 Python 和 Anaconda 03:04 03:04
- 打开 Jupyter Notebook 09:06 09:06
- 课程资源
- Jupyter 简介 13:26 13:26
- Python算术运算符:Python基础 04:28 04:28
- Python中的字符串:Python基础 19:07 19:07
- 列表、元组和字典:Python基础 18:41 18:41
- 使用 Python 的 Numpy 库 11:54 11:54
- 使用 Python 的 Pandas 库 09:15 09:15
- 使用 Python 的 Seaborn 库 08:57 08:57
机器学习基础
2 节课
支持向量分类器
2 节课
使用Python创建支持向量机模型
16 节课
讲师 信息
Abhishek 和 Pukhraj
课程 证书
使用您的证书来改变职业生涯或在您目前的职业生涯中提升自己。