用 Python 学监督学习
训练能从带标签的示例中学习的模型。用 scikit-learn 划分数据、拟合、预测和评分,在图表上看清每个模型,最后完成一个企鹅物种分类器。
58 节课58 个挑战240 道测验题
- 适合初学者
AI 辅助编程帮助
动手实践的互动课程
检验所学的测验
免费结业证书
课程大纲
本单元属于 Machine Learning 学习旅程。完整大纲还有更多单元:点击下方任意预览,即可在学习旅程页面查看。
- 单元 1数据与图表60 节课
- 单元 2机器学习统计学64 节课
单元 3
监督学习
开始本单元开始使用 scikit-learn 训练真实模型:划分数据、拟合模型、进行预测并衡量效果。学习 k-NN、线性回归和逻辑回归、决策树、随机森林与提升方法,通过交叉验证进行可靠评估,并使用流水线,最后完成一个端到端的企鹅项目。近邻
5 节课520逻辑回归
5 节课520- 单元 4无监督学习51 节课
在实践中学习
编写真实代码、查询数据库、搭建网站、掌握 AI 提示词。我们的互动课程涵盖现代开发者需要的每一项技能。
打造你的连胜
坚持下去,看着自己不断进步!记录每天的编程习惯,用冻结天数保护连胜,每天打卡都能赢取奖励。
12 天连胜
明天再来,保持你的连胜!
January 2026
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
21
22
23
24
25
26
27
28
29
30
加倍或归零
第 5 天,共 7 天
连胜冻结
2 left
随时随地写代码
随时随地继续你的编程学习旅程!无需配置,无需下载:打开就能写代码。支持 iOS、Android 和 Web,评分高达 4.9 星。
你并不孤单
在全球排行榜上一较高下,邀请好友赢取奖励,为彼此的成就喝彩。和好友一起编程更有趣!
多种学习方式
阅读、收听、自我测验、问 AI,或者查阅学过的任何内容。每节课都配合你的节奏。
变量是一个有名字的容器,用来存储值,方便你在程序后面引用。
在 Python 中,创建变量只需写下名字、一个等号,再写上要存储的值。
值可以随时间变化。给这个名字重新赋值,它就会指向新的值。
获得证书
每完成一门课程都能获得证书。把证书添加到你的 LinkedIn 个人资料和简历中,向雇主展示你的编程能力。
为什么在 Coddy 学监督学习
- 完整的 scikit-learn 工作流程只有四行,每个项目都会用到:
train_test_split、fit、predict和score。之后遇到的每个模型都只是多一行代码,而不是一套新的工作方式。 - 看清模型做了什么决定。决策边界给平面着色,残差图显示直线漏掉了什么,ROC 曲线显示一个阈值要付出什么代价。每节课都有图表,运行代码时你的图表会出现在“图表”标签页中。
- 承担大部分实际工作的模型:k 近邻、线性回归和逻辑回归、决策树、随机森林和梯度提升,还有能缩放、编码和填补缺失值,又不会泄露测试集信息的管道。
- 客观的评分。混淆矩阵、精确率和召回率、类别不平衡、过拟合、验证集和交叉验证,让你分辨出哪个模型真正有效,哪个只是背下了作业答案。
关于监督学习的常见问题
监督学习是什么?
监督学习用带有正确答案(称为标签)的示例来训练模型。每一行都有特征(企鹅的喙长、鳍长、所在岛屿)和一个标签(它的物种)。模型学习两者之间的联系,然后为新的数据行预测标签。之所以叫“监督”,是因为标签扮演了老师的角色:模型在学习过程中会根据标签不断得到纠正。
监督学习和无监督学习有什么区别?
分类和回归是什么?
它们是监督学习的两种类型。分类预测一个类别,比如是否为垃圾邮件,或者三种葡萄酒中的哪一种。回归预测一个数值,比如明天的自行车租借量,或者病人的病情进展程度。很多模型两者都能做:k-NN、决策树和随机森林都各有分类和回归版本,课程两种版本都会用到。
课程涵盖哪些监督学习算法?
StandardScaler、OneHotEncoder、SimpleImputer、管道、cross_val_score 和 GridSearchCV。开始之前需要掌握什么?
怎么知道我的模型好不好?
用训练时从没见过的数据行来测试它,并和一个简单的基准比较,比如总是猜最常见的类别。当某个类别很少见时,单看准确率可能会骗人,所以课程还会教混淆矩阵、精确率、召回率、F1 和 ROC 曲线,以及用交叉验证确认分数不是靠运气。
监督学习单元需要多长时间?
58 节课,按自己的节奏学大约 10 小时:每天半小时,几周就能学完。每节课讲一个概念、做一道练习,单元最后是企鹅项目和四道结业挑战。
免费吗?
免费。课程内容、图表、AI 提示和单元证书都免费。免费账号每天可以学几节课,Pro 会取消每日限制。