剧集
数据分类的逻辑回归 [第 16 部分] |初学者机器学习
替换为 Bea Stollnitz
在此视频中，Microsoft 首席云大使 Bea Stollnitz 指导你使用我们在上一个视频中清理和转换的南瓜数据训练逻辑回归模型。
学习内容：
- 如何将数据划分为输入特征和标签
- 如何创建逻辑回归模型并使用我们的数据对其进行训练 🎃
- 如何使用准确性、精度、召回率和 F1 分数分析预测
加入 Bea，因为她解开了令人着迷的逻辑回归世界，并了解如何在分类问题中利用它。 此视频非常适合那些希望扩展对回归技术的理解并增强其机器学习技能集的用户。
请继续关注本系列中的下一个视频，你将了解另一种方法，帮助分析模型的质量：ROC 曲线。 不见不散！
章节
- 00:00 - 简介
- 00：16 - 我们正在使用的笔记本
- 00：43 - 将数据划分为输入特征和标签
- 00：57 - 训练/测试 splot
- 01：08 - 使用 SciKit Learn 创建逻辑回归类
- 01：30 - 分析回归结果
- 01：45 - 什么是混淆矩阵？
- 02：35 - 计算准确性
- 02：52 - 精度、召回率和 F1 分数
- 03：55 - 宏平均值和加权平均值
推荐的资源
- 本课程基于 Microsoft 提供的免费、开源且由 26 节课组成的适合初学者的 ML 课程。
- 可以学习本课的 Jupyter Notebook！
连接
- Bea Stollnitz | 博客
- Bea Stollnitz |推特： @beastollnitz
- Bea Stollnitz |LinkedIn： in/beatrizstollnitz/
在此视频中，Microsoft 首席云大使 Bea Stollnitz 指导你使用我们在上一个视频中清理和转换的南瓜数据训练逻辑回归模型。
学习内容：
- 如何将数据划分为输入特征和标签
- 如何创建逻辑回归模型并使用我们的数据对其进行训练 🎃
- 如何使用准确性、精度、召回率和 F1 分数分析预测
加入 Bea，因为她解开了令人着迷的逻辑回归世界，并了解如何在分类问题中利用它。 此视频非常适合那些希望扩展对回归技术的理解并增强其机器学习技能集的用户。
请继续关注本系列中的下一个视频，你将了解另一种方法，帮助分析模型的质量：ROC 曲线。 不见不散！
章节
- 00:00 - 简介
- 00：16 - 我们正在使用的笔记本
- 00：43 - 将数据划分为输入特征和标签
- 00：57 - 训练/测试 splot
- 01：08 - 使用 SciKit Learn 创建逻辑回归类
- 01：30 - 分析回归结果
- 01：45 - 什么是混淆矩阵？
- 02：35 - 计算准确性
- 02：52 - 精度、召回率和 F1 分数
- 03：55 - 宏平均值和加权平均值
推荐的资源
- 本课程基于 Microsoft 提供的免费、开源且由 26 节课组成的适合初学者的 ML 课程。
- 可以学习本课的 Jupyter Notebook！
连接
- Bea Stollnitz | 博客
- Bea Stollnitz |推特： @beastollnitz
- Bea Stollnitz |LinkedIn： in/beatrizstollnitz/
视频 URL
HTML iframe
想提供反馈？ 在此处提交问题。