Hoppa till huvudinnehållet
HemPython

track

Övervakad maskininlärning i Python

Uppdaterad 2026-05
Bemästra de mest populära övervakade maskininlärningsteknikerna för att börja göra förutsägelser med märkt data.
Starta Spåret Gratis
PythonMachine Learning
25 tim
5,966

Skapa ditt gratis konto

Fortsätt Med GoogleVisa fler alternativ

eller

Genom att fortsätta godkänner du våra Användarvillkor, vår Integritetspolicy och att dina uppgifter lagras i USA.

Älskad av elever på tusentals företag

Group

Tränar du ett team?

Prova för företag

Spårbeskrivning

Övervakad maskininlärning i Python

Bemästra grunderna i övervakad maskininlärning och upptäck hur du kan göra förutsägelser med hjälp av märkt data. Gå med i ML-revolutionen idag! Om du är ny inom maskininlärning, eller vill specialisera dig på övervakad maskininlärning, är detta en idealisk plats att börja på.Du börjar med att lära dig om och implementera centrala övervakade inlärningsmodeller, som K-Nearest Neighbors (KNN), logistisk regression, linjär regression, Support Vector Machines (SVMs) och träd-baserade modeller med det populära biblioteket scikit-learn.Du kommer också att upptäcka hur du använder toppmoderna algoritmer som XGBoost för att effektivt förbättra modelleringsprestandan på tabulära datamängder.För att få ut mesta möjliga av dina modeller lär du dig olika tekniker för hyperparameteroptimering och hur du avgör vilken teknik du ska använda för ditt användningsfall.Du avslutar spåret genom att samla din kunskap om dessa olika modeller och lära dig om ensemble learning, där olika modeller kombineras för att förbättra prestandan och lösa mer komplexa problem.När du är klar kommer du att ha bemästrat de viktigaste koncepten inom övervakad maskininlärning och kunna tillämpa dem i Python.

Förkunskaper

Det finns inga förkunskapskrav för detta spår

  • Course

    1

    Supervised Learning with scikit-learn

    Grow your machine learning skills with scikit-learn in Python. Use real-world datasets in this interactive course and learn how to make powerful predictions!

  • Project

    bonus

    Predictive Modeling for Agriculture

    Dive into agriculture using supervised machine learning and feature selection to aid farmers in crop cultivation and solve real-world problems.

  • Course

    6

    Extreme Gradient Boosting with XGBoost

    Learn the fundamentals of gradient boosting and build state-of-the-art machine learning models using XGBoost to solve classification and regression problems.

  • Course

    8

    Ensemble Methods in Python

    Learn how to build advanced and effective machine learning models in Python using ensemble techniques such as bagging, boosting, and stacking.

Övervakad maskininlärning i Python
6 courses
Spåra
slutförd

Få ett intyg om genomförd kurs

Lägg till denna merit i din LinkedIn-profil, ditt CV eller din meritförteckning
Dela det på sociala medier och i din prestationsbedömningAnmäl Dig Nu

Gå med över 19 miljoner elever och börja Övervakad maskininlärning i Python i dag!

Skapa ditt gratis konto

Fortsätt Med GoogleVisa fler alternativ

eller

Genom att fortsätta godkänner du våra Användarvillkor, vår Integritetspolicy och att dina uppgifter lagras i USA.

Utveckla dina datakunskaper med DataCamp för mobilen

Gör framsteg när du är på språng med våra mobila kurser och dagliga 5-minuters kodningsutmaningar.