This course introduces you to one of the main types of modelling families of supervised Machine Learning: Regression. You will learn how to train regression models to predict continuous outcomes and how to use error metrics to compare across different models. This course also walks you through best practices, including train and test splits, and regularization techniques.
Supervised Machine Learning: Regression
Offrez à votre carrière le cadeau de Coursera Plus avec $160 de réduction, facturé annuellement. Économisez aujourd’hui.
Supervised Machine Learning: Regression
Ce cours fait partie de plusieurs programmes.
Instructeurs : Mark J Grover
53 539 déjà inscrits
Inclus avec 
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
4.7
(620 avis)
niveau Intermédiaire
Certaines connaissances prérequises
Planning flexible
Env. 20 heures
Apprenez à votre propre rythme
93%
La plupart des apprenants ont aimé ce cours
Compétences que vous acquerrez
- Catégorie : Linear Regression
- Catégorie : Machine Learning (ML) Algorithms
- Catégorie : Ridge Regression
- Catégorie : Supervised Learning
- Catégorie : Regression Analysis
Détails à connaître
Certificat partageable
Ajouter à votre profil LinkedIn
Évaluations
13 devoirs
Enseigné en Anglais
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Élaborez votre expertise du sujet
Ce cours est disponible dans le cadre de
Lorsque vous vous inscrivez à ce cours, vous devez également sélectionner un programme spécifique.
- 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 module introduces a brief overview of supervised machine learning and its main applications: classification and regression. After introducing the concept of regression, you will learn its best practices, as well as how to measure error and select the regression model that best suits your data.
Inclus
11 vidéos2 lectures3 devoirs2 éléments d'application
There are a few best practices to avoid overfitting of your regression models. One of these best practices is splitting your data into training and test sets. Another alternative is to use cross validation. And a third alternative is to introduce polynomial features. This module walks you through the theoretical framework and a few hands-on examples of these best practices.
Inclus
7 vidéos1 lecture3 devoirs2 éléments d'application
There is a trade-off between the size of your training set and your testing set. If you use most of your data for training, you will have fewer samples to validate your model. Conversely, if you use more samples for testing, you will have fewer samples to train your model. Cross Validation will allow you to reuse your data to use more samples for training and testing.
Inclus
6 vidéos1 lecture2 devoirs2 éléments d'application1 plugin
This module walks you through the theory and a few hands-on examples of regularization regressions including ridge, LASSO, and elastic net. You will realize the main pros and cons of these techniques, as well as their differences and similarities.
Inclus
10 vidéos1 lecture3 devoirs1 élément d'application
In this section, you will understand the relationship between the loss function and the different regularization types.
Inclus
5 vidéos1 lecture2 devoirs2 éléments d'application
In this section you will test everything you learned
Inclus
1 lecture1 évaluation par les pairs1 élément d'application
Instructeurs
Évaluations de l’enseignant
4.6 (188 évaluations)Offert par
Recommandé si vous êtes intéressé(e) par Machine Learning
Alberta Machine Intelligence Institute
Alberta Machine Intelligence Institute
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.’
Avis des étudiants
Affichage de 3 sur 620
4.7
620 avis
- 5 stars
76,92 %
- 4 stars
16,82 %
- 3 stars
4 %
- 2 stars
0,80 %
- 1 star
1,44 %
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à plus de 7 000 cours de renommée internationale, à des projets pratiques et à des programmes de certificats reconnus sur le marché du travail, 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 Certificate, 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.