Dieser Kurs führt Sie in eine der wichtigsten Arten von Modellierungsfamilien des überwachten maschinellen Lernens ein: Regression. Sie lernen, wie man Regressionsmodelle trainiert, um kontinuierliche Ergebnisse vorherzusagen, und wie man Fehlermetriken verwendet, um verschiedene Modelle miteinander zu vergleichen. Am Ende dieses Kurses sollten Sie in der Lage sein: Die Verwendungszwecke und Anwendungen von Klassifizierung und Regression im Kontext des überwachten maschinellen Lernens zu unterscheiden Lineare Regressionsmodelle zu beschreiben und zu verwenden Verschiedene Fehlermetriken zu vergleichen und ein lineares Regressionsmodell auszuwählen, das am besten zu Ihren Daten passt Erklären Sie, warum Regularisierung helfen kann, eine Überanpassung zu verhindern Verwenden Sie Regularisierungsregressionen: Ridge, LASSO und Elastic net Wer sollte diesen Kurs besuchen? Dieser Kurs richtet sich an angehende Datenwissenschaftler, die praktische Erfahrungen mit Regressionstechniken des überwachten maschinellen Lernens in einem geschäftlichen Umfeld sammeln möchten. Welche Kenntnisse sollten Sie mitbringen? Um diesen Kurs optimal nutzen zu können, sollten Sie mit der Programmierung in einer Python-Entwicklungsumgebung vertraut sein und über ein grundlegendes Verständnis von Datenbereinigung, explorativer Datenanalyse, Kalkül, linearer Algebra, Wahrscheinlichkeitsrechnung und Statistik verfügen.
Überwachtes maschinelles Lernen: Regression
Dieser Kurs ist Teil mehrerer Programme.
Dozenten: Mark J Grover
55.731 bereits angemeldet
Bei 
enthalten
(635 Bewertungen)
Kompetenzen, die Sie erwerben
- Kategorie: Lineare Regression
- Kategorie: Algorithmen für maschinelles Lernen (ML)
- Kategorie: Ridge Regression
- Kategorie: Überwachtes Lernen
- Kategorie: Regressionsanalyse
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufügen
13 Aufgaben
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Erweitern Sie Ihre Fachkenntnisse
- Lernen Sie neue Konzepte von Branchenexperten
- Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
- Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
- Erwerben Sie ein Berufszertifikat zur Vorlage
Erwerben Sie ein Karrierezertifikat.
Fügen Sie diese Qualifikation zur Ihrem LinkedIn-Profil oder Ihrem Lebenslauf hinzu.
Teilen Sie es in den sozialen Medien und in Ihrer Leistungsbeurteilung.
In diesem Kurs gibt es 6 Module
In diesem Modul erhalten Sie einen kurzen Überblick über das überwachte maschinelle Lernen und seine wichtigsten Anwendungen: Klassifizierung und Regression. Nach einer Einführung in das Konzept der Regression lernen Sie die besten Methoden kennen und erfahren, wie Sie Fehler messen und das für Ihre Daten am besten geeignete Regressionsmodell auswählen können.
Das ist alles enthalten
11 Videos2 Lektüren3 Aufgaben2 App-Elemente
Es gibt einige bewährte Methoden, um eine Überanpassung Ihrer Regressionsmodelle zu vermeiden. Eine dieser bewährten Methoden ist die Aufteilung Ihrer Daten in Trainings- und Testsätze. Eine andere Alternative ist die Verwendung einer Kreuzvalidierung. Und eine dritte Alternative ist die Einführung polynomieller Merkmale. Dieses Modul führt Sie durch den theoretischen Rahmen und einige praktische Beispiele für diese bewährten Verfahren.
Das ist alles enthalten
7 Videos1 Lektüre3 Aufgaben2 App-Elemente
Es gibt einen Kompromiss zwischen der Größe Ihres Trainingssatzes und Ihres Testsatzes. Wenn Sie den größten Teil Ihrer Daten zum Training verwenden, haben Sie weniger Stichproben, um Ihr Modell zu validieren. Wenn Sie umgekehrt mehr Stichproben zum Testen verwenden, haben Sie weniger Stichproben zum Trainieren Ihres Modells. Mit der Kreuzvalidierung können Sie Ihre Daten wiederverwenden, um mehr Stichproben zum Trainieren und Testen zu verwenden
Das ist alles enthalten
6 Videos1 Lektüre2 Aufgaben2 App-Elemente1 Plug-in
Dieses Modul führt Sie durch die Theorie und einige praktische Beispiele von Regularisierungsregressionen, einschließlich Ridge, LASSO und Elastic Net. Sie werden die wichtigsten Vor- und Nachteile dieser Techniken sowie ihre Unterschiede und Gemeinsamkeiten kennenlernen.
Das ist alles enthalten
10 Videos1 Lektüre3 Aufgaben1 App-Element
In diesem Abschnitt werden Sie die Beziehung zwischen der Verlustfunktion und den verschiedenen Regularisierungsarten verstehen
Das ist alles enthalten
5 Videos1 Lektüre2 Aufgaben2 App-Elemente
In diesem Abschnitt werden Sie alles, was Sie gelernt haben, testen
Das ist alles enthalten
1 Lektüre1 peer review1 App-Element
Dozenten
von
Empfohlen, wenn Sie sich für Maschinelles Lernen interessieren
Stanford University
University of Washington
Sungkyunkwan University
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Bewertungen von Lernenden
635 Bewertungen
- 5 stars
76,68 %
- 4 stars
17,21 %
- 3 stars
3,91 %
- 2 stars
0,78 %
- 1 star
1,40 %
Zeigt 3 von 635 an
Geprüft am 17. Aug. 2024
It's a nice course it deserve a 5/5 but some common and better regression algorithm like Decision Trees and Random Forest were not taught unlike the Classification part. Thanks
Geprüft am 10. Aug. 2021
Well structured course. Concepts are explained clearly with hands on exercises.
Geprüft am 5. Juni 2021
Please give the lecturer credit and include him as one of the instructors
Neue Karrieremöglichkeiten mit Coursera Plus
Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten
Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.
Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online
Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.
Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.
Häufig gestellte Fragen
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Einschreibung ab. Wenn Sie einen Kurs im Prüfungsmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erwerben, müssen Sie die Zertifikatserfahrung während oder nach Ihrer Prüfung erwerben. Wenn Sie die Prüfungsoption nicht sehen:
Der Kurs bietet möglicherweise keine Prüfungsoption. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
Der Kurs bietet möglicherweise stattdessen die Option 'Vollständiger Kurs, kein Zertifikat'. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Bewertungen abgeben und eine Abschlussnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Wenn Sie sich für den Kurs einschreiben, erhalten Sie Zugang zu allen Kursen des Zertifikats und Sie erhalten ein Zertifikat, wenn Sie die Arbeit abgeschlossen haben. Ihr elektronisches Zertifikat wird Ihrer Erfolgsseite hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder zu Ihrem LinkedIn-Profil hinzufügen. Wenn Sie die Kursinhalte nur lesen und ansehen möchten, können Sie den Kurs kostenlos besuchen.
Wenn Sie ein Abonnement abgeschlossen haben, erhalten Sie eine kostenlose 7-tägige Testphase, in der Sie kostenlos kündigen können. Danach gewähren wir keine Rückerstattung, aber Sie können Ihr Abonnement jederzeit kündigen. Siehe unsere vollständigen Rückerstattungsbedingungen.