The "Classification Analysis" course provides you with a comprehensive understanding of one of the fundamental supervised learning methods, classification. You will explore various classifiers, including KNN, decision tree, support vector machine, naive bayes, and logistic regression, and learn how to evaluate their performance. Through tutorials and engaging case studies, you will gain hands-on experience and practice in applying classification techniques to real-world data analysis tasks.
Classification Analysis
Classification Analysis
Ce cours fait partie de Spécialisation Data Analysis with Python
Instructeur : Di Wu
1 648 déjà inscrits
Inclus avec 
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
niveau Intermédiaire
Expérience recommandée
38 heures pour terminer
3 semaines à 12 heures par semaine
Planning flexible
Apprenez à votre propre rythme
Ce que vous apprendrez
Understand the concept and significance of classification as a supervised learning method.
Identify and describe different classifiers, apply each classifier to perform binary and multiclass classification tasks on diverse datasets.
Evaluate the performance of classifiers, select and fine-tune classifiers based on dataset characteristics and learning requirements.
Compétences que vous acquerrez
- Catégorie : Bayesian Statistics
- Catégorie : Logistic Regression
- Catégorie : Support Vector Machine (SVM)
- Catégorie : classification
- Catégorie : Decision Tree
Détails à connaître
Certificat partageable
Ajouter à votre profil LinkedIn
Évaluations
7 devoirs
Enseigné en Anglais
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Élaborez votre expertise du sujet
Ce cours fait partie de la Spécialisation Data Analysis with Python
Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.
- Apprenez de nouveaux concepts auprès d'experts du secteur
- Acquérez une compréhension de base d'un sujet ou d'un outil
- Développez des compétences professionnelles avec des projets pratiques
- Obtenez un certificat professionnel partageable
Obtenez un certificat professionnel
Ajoutez cette qualification à votre profil LinkedIn ou à votre CV
Partagez-le sur les réseaux sociaux et dans votre évaluation de performance
Il y a 6 modules dans ce cours
This week provides an overview of classification as a supervised learning method. You will also learn the K-Nearest Neighbors (KNN) algorithm, understanding its principles and applications in classification tasks.
Inclus
2 vidéos5 lectures1 devoir1 sujet de discussion
This week you will explore the Decision Tree algorithm, learning its structure, construction, and applications in classification problems.
Inclus
1 vidéo3 lectures1 devoir1 sujet de discussion
This week focuses on the Support Vector Machine (SVM) algorithm, where you will grasp its principles and how it is used for classification.
Inclus
1 vidéo3 lectures1 devoir1 sujet de discussion
This week will delve into two essential classifiers: Naive Bayes and Logistic Regression. You will gain insights into their assumptions, strengths, and applications.
Inclus
2 vidéos6 lectures2 devoirs
This week you will learn how to evaluate the performance of classifiers using various metrics and visualization techniques.
Inclus
1 vidéo1 devoir
In this final week, you will apply the knowledge and techniques learned throughout the course to solve a real-world classification problem through a comprehensive case study.
Inclus
2 lectures1 devoir1 sujet de discussion
Instructeur
Offert par
Recommandé si vous êtes intéressé(e) par Data Analysis
University of Alberta
National Taiwan University
Coursera Project Network
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’
Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’
Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’
Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à 10,000+ cours de niveau international, projets pratiques et programmes de certification prêts à l'emploi - tous inclus dans votre abonnement.
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
Foire Aux Questions
Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:
The course may not offer an audit option. You can try a Free Trial instead, or apply for Financial Aid.
The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
When you enroll in the course, you get access to all of the courses in the Specialization, and you earn a certificate when you complete the work. Your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile. If you only want to read and view the course content, you can audit the course for free.
If you subscribed, you get a 7-day free trial during which you can cancel at no penalty. After that, we don’t give refunds, but you can cancel your subscription at any time. See our full refund policy.