این دوره چندین روش مهم را که برای پیاده سازی طبقه بندی در یادگیری دقیق استفاده می شود ، شامل رگرسیون لجستیک ، رفتن به تجزیه و تحلیل متمایز ، Naive Bayes و استفاده از درختان تصمیم ، و سپس حتی پیشرفته تر ، شامل می شود.
این دوره نکات دقیق ساخت چنین مدلهایی و همچنین رگرسیون لجستیک، روشهای نزدیکترین همسایه و معیارهای ارزیابی طبقهبندیکنندهها مانند دقت، دقت و یادآوری را پوشش میدهد.
مشکلات طبقه بندی در همه دامنه ها رایج است و مدل های درخت محور راه حل های بسیار موثری برای این مشکلات هستند. این دوره همه چیز درباره مدلهای درختی است ، از درختان تصمیم ساده ، تا تکنیکهای پیچیده یادگیری گروه و موارد دیگر.