Серия
Основные сведения о логистической регрессии для классификации Машинное обучение (часть 14 из 17) | Машинное обучение для начинающих
на Bea Stollnitz
Добро пожаловать в другое аналитические видео, представленное Bea Stollnitz, главный адвокат по облачным технологиям в Корпорации Майкрософт. В этом видео мы рассмотрим мир логистической регрессии, узнайте, как оно сравнивается с линейной регрессией, и изучите его приложения в задачах классификации, в том числе о том, как он может сделать более качественные прогнозы для нашего набора данных тыквы 🎃.
Из этого руководства вы узнаете, как выполнять такие задачи:
- Разница между линейной и логистической регрессией
- Двоичная логистическая регрессия и использование сигмоидной функции
- Многономиальная и порядковая логистическая регрессия
Присоединяйтесь к Би, как она распутывает увлекательный мир логистической регрессии, и узнайте, как его можно использовать в проблемах классификации. Это видео идеально подходит для тех, кто хочет расширить свое понимание методов регрессии и улучшить набор навыков машинного обучения.
Будьте настроены для следующего видео в этой серии, где вы будете писать код для применения теории, которую вы узнали. Увидишь тебя!
Главы
- 00:00: введение
- 00:37 — линейная регрессия и двоичная логистическая регрессия
- 01:23 — пороговые значения
- 01:53 — логистическая регрессия для цвета тыквы
- 02:20 — Многономиальная и порядковая логистическая регрессия
Рекомендуемые ресурсы
- Этот курс основан на бесплатной учебной программе с открытым исходным кодом, 26 занятий ML для начинающих от Майкрософт.
- Записная книжка Jupyter, наряду с этим занятием, доступна!
Связь
- Bea Stollnitz | Блог
- Bea Stollnitz | Twitter: @beastollnitz
- Bea Stollnitz | LinkedIn: in/beatrizstollnitz/
Добро пожаловать в другое аналитические видео, представленное Bea Stollnitz, главный адвокат по облачным технологиям в Корпорации Майкрософт. В этом видео мы рассмотрим мир логистической регрессии, узнайте, как оно сравнивается с линейной регрессией, и изучите его приложения в задачах классификации, в том числе о том, как он может сделать более качественные прогнозы для нашего набора данных тыквы 🎃.
Из этого руководства вы узнаете, как выполнять такие задачи:
- Разница между линейной и логистической регрессией
- Двоичная логистическая регрессия и использование сигмоидной функции
- Многономиальная и порядковая логистическая регрессия
Присоединяйтесь к Би, как она распутывает увлекательный мир логистической регрессии, и узнайте, как его можно использовать в проблемах классификации. Это видео идеально подходит для тех, кто хочет расширить свое понимание методов регрессии и улучшить набор навыков машинного обучения.
Будьте настроены для следующего видео в этой серии, где вы будете писать код для применения теории, которую вы узнали. Увидишь тебя!
Главы
- 00:00: введение
- 00:37 — линейная регрессия и двоичная логистическая регрессия
- 01:23 — пороговые значения
- 01:53 — логистическая регрессия для цвета тыквы
- 02:20 — Многономиальная и порядковая логистическая регрессия
Рекомендуемые ресурсы
- Этот курс основан на бесплатной учебной программе с открытым исходным кодом, 26 занятий ML для начинающих от Майкрософт.
- Записная книжка Jupyter, наряду с этим занятием, доступна!
Связь
- Bea Stollnitz | Блог
- Bea Stollnitz | Twitter: @beastollnitz
- Bea Stollnitz | LinkedIn: in/beatrizstollnitz/
Хотите оставить отзыв? Сообщить о проблеме можно здесь.