数据分类的逻辑回归 [第 16 部分] | 您所在的位置:网站首页 › 数据整理怎么画图 › 数据分类的逻辑回归 [第 16 部分] |
在此视频中,Microsoft 首席云大使 Bea Stollnitz 将指导你使用我们在上一个视频中清理和转换的南瓜数据来训练逻辑回归模型。 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,了解逻辑回归的迷人世界,并了解如何将其用于分类问题。 此视频非常适合想要扩大对回归技术的理解并增强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,你将了解另一种有助于分析模型质量的方法: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 - 分析回归的结果 01:45 - 什么是混淆矩阵? 02:35 - 计算准确度 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。 本课要遵循的Jupyter Notebook已推出! 连接 Bea Stollnitz | 博客 Bea Stollnitz |推特: @beastollnitz Bea Stollnitz |LinkedIn: in/beatrizstollnitz/ |
CopyRight 2018-2019 实验室设备网 版权所有 |