본문으로 바로가기

강의

Python으로 배우는 선형 분류기

중급기술 수준

업데이트됨 2023. 10.

이 과정에서는 로지스틱 회귀와 SVM 등 선형 분류기의 원리를 자세히 학습합니다.

무료로 강의 시작

PythonMachine Learning

4시간

13 동영상

44 연습 문제

3,200 XP

66,166

성취 증명서

수천 개 기업의 학습자들이 사랑하는

팀을 교육하시나요?

비즈니스용으로 체험해 보세요

강의 설명

이 강의에서는 scikit-learn을 사용해 선형 분류기, 특히 로지스틱 회귀와 서포트 벡터 머신(SVM)을 다루는 방법을 배웁니다. 방법을 적용하는 법을 익힌 뒤에는 그 뒤에 있는 개념을 파고들어, 알고리즘이 어떻게 작동하는지 이해하게 될 거예요. 강의가 끝나면 Python에서 이러한 선형 분류기를 학습하고, 평가하고, 튜닝하는 방법을 알게 됩니다. 또한 다른 많은 Machine Learning 알고리즘을 이해하는 데 필요한 개념적 토대도 갖추게 됩니다.

선수 조건

Supervised Learning with scikit-learn

1

Applying logistic regression and SVM

In this chapter you will learn the basics of applying logistic regression and support vector machines (SVMs) to classification problems. You'll use the scikit-learn library to fit classification models to real data.

scikit-learn refresher

KNN classification

Comparing models

Overfitting

Applying logistic regression and SVM

Running LogisticRegression and SVC

Sentiment analysis for movie reviews

Linear classifiers

Which decision boundary is linear?

Visualizing decision boundaries

2

Loss functions

In this chapter you will discover the conceptual framework behind logistic regression and SVMs. This will let you delve deeper into the inner workings of these models.

Linear classifiers: the coefficients

How models make predictions

Changing the model coefficients

What is a loss function?

The 0-1 loss

Minimizing a loss function

Loss function diagrams

Classification loss functions

Comparing the logistic and hinge losses

Implementing logistic regression

3

Logistic regression

In this chapter you will delve into the details of logistic regression. You'll learn all about regularization and how to interpret model output.

Logistic regression and regularization

Regularized logistic regression

Logistic regression and feature selection

Identifying the most positive and negative words

Logistic regression and probabilities

Getting class probabilities

Regularization and probabilities

Visualizing easy and difficult examples

Multi-class logistic regression

Counting the coefficients

Fitting multi-class logistic regression

Visualizing multi-class logistic regression

One-vs-rest SVM

4

Support Vector Machines

In this chapter you will learn all about the details of support vector machines. You'll learn about tuning hyperparameters for these models and using kernels to fit non-linear decision boundaries.

Support vectors

Support vector definition

Effect of removing examples

Kernel SVMs

GridSearchCV warm-up

Jointly tuning gamma and C with GridSearchCV

Comparing logistic regression and SVM (and beyond)

An advantage of SVMs

An advantage of logistic regression

Using SGDClassifier

Python으로 배우는 선형 분류기

강의
완료

수료증 획득

LinkedIn 프로필, 이력서 또는 CV에 이 인증서를 추가하세요
소셜 미디어와 성과 평가에서 공유하세요지금 등록

19백만 명 이상의 학습자와 함께 Python으로 배우는 선형 분류기을(를) 시작하세요!

DataCamp for Mobile을 통해 데이터 분석 능력을 향상시키세요.

모바일 강좌와 매일 5분 코딩 챌린지를 통해 이동 중에도 학습 효과를 높이세요.