fbpx

使用 Azure 機器學習建構二元分類模型

Contents

課程簡介

使用二元分類模型來預測你在鐵達尼號上存活的機率有多大?

從這 1 小時的課程,你會學到

  • 你將能夠從頭到尾使用 Azure ML 機器學習建立一個二元分類模型 ( binary classification )
  • 你將理解如何對一個二元分類模型進行評分和評估
  • 你將利用你所學到的知識來預測你是否會在鐵達尼號上生存或者死去

要求

課程說明

“第一印象是”終於有一位實踐教育家“,課程演講風格平順和準確。 在你失去希望之前,這樣的寶石會彈出來-謝謝。” – Don Councill

歡迎來到使用 Azure 機器學習建立二元分類模型

微軟的機器學習的大眾化目標正在形成。

預測分析帶到公共雲端似乎是機器學習大規模消費化的下一個合乎邏輯的步驟。 做到這一點, 使得開發者在沒有統計學博士學位的情況下更容易建立高機率的機器學習模型。

在這個課程中,我們將建立一個最簡單和最常見的模型——-二元分類模型。

二元分類的目的是將資料點分類為兩個桶中的一個: 0或1,真或假,以及生存或不生存。

生活中的許多決定是二元的,回答是或不是。 許多商業問題也有二元的答案。 例如:”這筆交易是否具有欺詐性?” “這位顧客會買那個產品嗎?” 或者”這個用戶會不會攪拌?” 在機器學習中,這被稱為二元分類問題。

我們將用二元分類來預測一個人在鐵達尼號上生還的可能性

我們將建立一個端到端的工作流程。 我們將下載資料集,清理它,建模,評估,然後發佈我們的結果,這樣其他人就可以使用它。

在完成課程後,你將知道如何建立一個模型,基於資料集中的屬性以準確預測一個人的生存能力。

你可以深入瞭解機器學習中使用的風格。

例如, 在最後一句中,我使用了字彙 ‘屬性 (attribute) ‘。 機器學習中的一個屬性與資料集中的欄位(column) 沒有什麼不同。

各種屬性( attribute )影響預測的結果。 例如,如果我能上一等艙的話,我的生存幾率是21.07% 。 如果我上了二等艙,我的變化就會下降到2.16% 。 不管怎樣,我都不會成功。

感謝你對在 Azure 機器學習中建立二元分類模型課程的興趣。 我們在課程中見了!

英文字幕:有

  • 想要了解如何將英文字幕自動翻譯成中文? 請參考這篇 How-To

課程網址 [ 限時免費中 ]

1118518_d91c_3

Sponsored by Udemy

相關精選課程

也許你會有興趣

喜歡我們的分享嗎?使用以下的社群分享按鈕分享給你的朋友吧!

發表迴響

這個網站採用 Akismet 服務減少垃圾留言。進一步了解 Akismet 如何處理網站訪客的留言資料

Powered by WordPress.com.

Up ↑

%d 位部落客按了讚: