介绍
在本课程中,你将学习如何使用各种监督学习算法解决分类问题。
🎯 任务
在本课程中,你将学习:
- 如何实现逻辑回归(logistic regression)、K近邻算法(K-nearest neighbor algorithm)、朴素贝叶斯(naive Bayes)、支持向量机(support vector machine)、感知器和人工神经网络(perceptron and artificial neural network)、决策树和随机森林(decision tree and random forest),以及Bagging和Boosting方法。
- 如何理解这些分类算法背后的原理。
- 如何实现并应用这些算法来解决现实世界中的分类问题,例如手写数字识别。
🏆 成就
完成本课程后,你将能够:
- 理解不同分类算法的优缺点,并选择适合你问题的算法。
- 实现并应用这些算法来解决各个领域的分类问题。
- 使用交叉验证(cross-validation)技术评估这些算法的性能。