本课程将帮助我们评估和比较之前课程中开发的模型。到目前为止，我们已经开发出了回归和分类技术，但是分类器的误差应该低到什么程度（例如）才算 "足够好"？或者，我们如何决定两种回归算法中哪一种更好？ 在本课程结束时，您将熟悉能够评估和比较分类器的诊断技术，以及可用于不同回归和分类场景的性能指标。我们还将学习训练/验证/测试流水线，该流水线可用于确保您开发的模型能够很好地泛化到新（或 "未见"）数据中。
有意义的预测建模
通过 Coursera Plus 提高技能，仅需 239 美元/年（原价 399 美元）。立即节省
您将学到什么
了解简单误差测量的定义（如 MSE、准确度、精确度/召回率）。
使用上述方法评估回归器/分类器的性能。
了解培训/测试成绩与可推广性之间的区别。
了解避免过度拟合和实现良好泛化性能的技术。
您将获得的技能
要了解的详细信息
了解顶级公司的员工如何掌握热门技能
积累特定领域的专业知识
本课程是 用于预测分析的 Python 数据产品 专项课程 专项课程的一部分
在注册此课程时，您还会同时注册此专项课程。
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 获得可共享的职业证书
该课程共有4个模块
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
从 数据分析 浏览更多内容
状态：免费试用
状态：免费试用University of Minnesota
状态：免费试用University of Colorado System
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
学生评论
- 5 stars
57.14%
- 4 stars
24.48%
- 3 stars
12.24%
- 2 stars
4.08%
- 1 star
2.04%
显示 3/49 个
PT
已于 Mar 31, 2021审阅
The course provided a lot of insights into predictive modeling.
NS
已于 Nov 16, 2019审阅
Excellent content, but presentation is a bit challenging at times.
¹ 本课程的部分作业采用 AI 评分。对于这些作业，将根据 Coursera 隐私声明使用您的数据。