Di bab ini Anda akan mempelajari dasar-dasar penerapan logistic regression dan support vector machines (SVM) untuk masalah klasifikasi. Anda akan menggunakan pustaka <code>scikit-learn</code> untuk menyesuaikan model klasifikasi pada data nyata.

Ulasan singkat scikit-learn

Klasifikasi KNN

Membandingkan model

Overfitting

Menerapkan logistic regression dan SVM

Menjalankan LogisticRegression dan SVC

Analisis sentimen untuk ulasan film

Klasifikator linear

Batas keputusan mana yang bersifat linear?

Memvisualisasikan batas keputusan

Di bab ini Anda akan mempelajari kerangka konseptual di balik logistic regression dan SVM. Ini akan membantu Anda menyelami lebih dalam cara kerja internal model-model tersebut.

Klasifikator linear: koefisien

Bagaimana model membuat prediksi

Mengubah koefisien model

Apa itu fungsi loss?

Loss 0-1

Meminimalkan fungsi loss

Diagram fungsi kerugian

Fungsi loss untuk klasifikasi

Membandingkan logistic loss dan hinge loss

Menerapkan logistic regression

Fungsi loss

Di bab ini Anda akan mendalami rincian logistic regression. Anda akan mempelajari semua tentang regularization dan cara menafsirkan keluaran model.

Regresi logistik dan regularisasi

Regresi logistik dengan regularisasi

Logistic regression dan pemilihan fitur

Mengidentifikasi kata paling positif dan negatif

Regresi logistik dan probabilitas

Mendapatkan probabilitas kelas

Regularisasi dan probabilitas

Memvisualisasikan contoh yang mudah dan sulit

Regresi logistik multikelas

Menghitung koefisien

Menerapkan logistic regression multi-kelas

Memvisualisasikan logistic regression multi-kelas

SVM one-vs-rest

Logistic regression

Di bab ini Anda akan mempelajari seluk-beluk support vector machines. Anda akan mempelajari penyetelan hyperparameter untuk model ini dan penggunaan kernel untuk menyesuaikan batas keputusan non-linear.

Support vector

Definisi support vector

Dampak menghapus contoh

SVM Kernel

Pemanasan GridSearchCV

Menyetel gamma dan C secara bersamaan dengan GridSearchCV

Membandingkan regresi logistik dan SVM (dan seterusnya)

Satu keunggulan SVM

Keunggulan logistic regression

Menggunakan SGDClassifier

Kesimpulan

Support Vector Machines

Dalam kursus ini Anda akan mempelajari cara menggunakan klasifikator linear, khususnya logistic regression dan support vector machines, dengan scikit-learn. Setelah mempelajari cara menerapkan metode-metode ini, Anda akan mendalami gagasan di baliknya dan memahami apa yang membuatnya bekerja. Di akhir kursus, Anda akan mengetahui cara melatih, menguji, dan menyetel klasifikator linear ini di Python. Anda juga akan memiliki landasan konseptual untuk memahami banyak algoritme Machine Learning lainnya.

Supervised Learning with scikit-learn

Dalam kursus ini, Anda akan mempelajari rincian pengklasifikasi linier seperti regresi logistik dan SVM.

Klasifikator Linear di Python

Dalam kursus ini, Anda akan mempelajari detail tentang klasifikasi linier seperti regresi logistik dan SVM.

Ilmuwan Pembelajaran Mesin dalam Python

Pembelajaran Mesin Terawasi dalam Python

Fungsi loss untuk klasifikasi

Klasifikator Linear di Python

Latihan interaktif langsung