Einführung
In diesem Kurs lernen Sie, wie Sie Klassifikationsprobleme mit verschiedenen überwachten Lernalgorithmen lösen können.
🎯 Aufgaben
In diesem Kurs lernen Sie:
- Wie Sie Logistische Regression, K-Nächste-Nachbarn-Algorithmus, Naive-Bayes-Klassifikator, Support-Vektor-Maschine, Perzeptron und künstliche neuronale Netzwerke, Entscheidungsbäume und Random Forests sowie Bagging- und Boosting-Methoden implementieren können.
- Wie Sie die Prinzipien hinter diesen Klassifikationsalgorithmen verstehen können.
- Wie Sie diese Algorithmen implementieren und anwenden können, um reale Klassifikationsprobleme zu lösen, wie z. B. die Erkennung handschriftlicher Ziffern.
🏆 Errungenschaften
Nach Abschluss dieses Kurses können Sie:
- Die Stärken und Schwächen verschiedener Klassifikationsalgorithmen verstehen und den geeigneten für Ihr Problem auswählen.
- Diese Algorithmen implementieren und anwenden, um Klassifikationsprobleme in verschiedenen Bereichen zu lösen.
- Die Leistung dieser Algorithmen mit Kreuzvalidierungstechniken bewerten.
