在本课中,我们将使用 Scikit-learn 和径向基函数(RBF)Kernel 构建这个支持向量机进行分类。我们的 Training Data 包含来自 UCI Machine Learning Repository 的连续和分类数据,用于预测患者是否患有心脏病。 本课程在 Coursera 的实践项目平台 Rhyme 上运行。在 Rhyme 上,您可以在浏览器中以动手方式完成项目。您可以即时访问预先配置好的云桌面,其中包含项目所需的所有软件和数据。一切都已直接在浏览器中设置好,因此你只需专注于学习。对于本项目,您将立即访问预装了(如 Python、Jupyter 和 Tensorflow)的云桌面。 先决条件:为了成功完成本项目,您应该熟悉 Python 编程以及支持向量机、径向基函数、Regularization、Cross-Validation 和 Confusion Matrix 背后的概念。 备注:- 您将能够访问云桌面 5 次。本课程最适合北美地区的学员。我们目前正在努力为其他地区提供相同的体验。
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
将数据导入并操作 pandas 数据帧
为支持向量机设置数据格式,包括单热编码和缺失数据。
优化径向基函数和分类参数
构建、评估、绘制和解释支持向量机
您将练习的技能
要了解的详细信息

添加到您的领英档案
仅桌面可用
了解顶级公司的员工如何掌握热门技能

在 2 小时内学习、练习并应用岗位必备技能
- 接受行业专家的培训
- 获得解决实训工作任务的实践经验
- 使用最新的工具和技术来建立信心

关于此指导项目
分步进行学习
在与您的工作区一起在分屏中播放的视频中,您的授课教师将指导您完成每个步骤:
导入执行所有工作的模块(4 分钟)
导入数据(3 分钟)
缺失数据第 1 部分:识别缺失数据(4 分钟)
缺失数据第 2 部分:处理缺失数据(5 分钟)
格式化数据第 1 部分:将数据分为因变量和自变量(3 分钟)
格式化数据第 2 部分:单热编码(11 分钟)
格式化数据第 3 部分:居中和缩放(2 分钟)
构建初步的支持向量机(2 分钟)
通过交叉验证优化 SVM(2 分钟)
构建、评估、绘制和解释最终的支持向量机(10 分钟)
推荐体验
一些 Python 和支持向量机、径向基函数、正规化、交叉验证和混淆矩阵背后的概念。
10个项目图片
位教师

提供方
学习方式
基于技能的实践学习
通过完成与工作相关的任务来练习新技能。
专家指导
使用独特的并排界面,按照预先录制的专家视频操作。
无需下载或安装
在预配置的云工作空间中访问所需的工具和资源。
仅在台式计算机上可用
此指导项目专为具有可靠互联网连接的笔记本电脑或台式计算机而设计,而不是移动设备。
人们为什么选择 Coursera 来帮助自己实现职业发展

Felipe M.

Jennifer J.

Larry W.

Chaitanya A.
学生评论
- 5 stars
75.30%
- 4 stars
16.04%
- 3 stars
7.40%
- 2 stars
0.61%
- 1 star
0.61%
显示 3/162 个
已于 Apr 15, 2020审阅
It was amazing lecture and teach special with SVM in Python I did learn a lot from him via his tasked. I will download his videos all each tasked have a part of explanation.
已于 Jun 8, 2020审阅
This is a very good course to start with SVM.I now know the basic coding for SVM.Thank You sir.
已于 Jul 20, 2020审阅
I am a beginner in this area but I learned a lot in this course.







