Effectively Dealing with Imbalance Classes

von
Coursera Project Network
In diesem angeleitetes Projekt werden Sie:

Import dataset and perform EDA & visualizations

Become familiar with the variety of under sampling techniques, their advantages & dis-advantages and implement them.

Clock2 Hours
IntermediateMittel
CloudKein Download erforderlich
VideoVideo auf geteiltem Bildschirm
Comment DotsEnglisch
LaptopNur Desktop

In this 2 hour guided project you will learn how to deal with imbalance classification problems in a profound manner, applying several resampling strategies and visualizing the effects of resampling on imbalance classification dataset. Note: This project works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.

Kompetenzen, die Sie erwerben werden

  • ADASYN
  • SMOTETomek
  • SMOTE
  • Machine Learning
  • Data Visualization (DataViz)

Schritt für Schritt lernen

In einem Video, das auf einer Hälfte Ihres Arbeitsbereichs abgespielt wird, führt Sie Ihr Dozent durch diese Schritte:

  1. Task 1: Importing data, Exploratory data analysis & visualizations

  2. Task 2: Applying under sampling strategies: Random & TomekLinks

  3. Task 3: Applying over sampling strategies: SMOTE & SVMSMOTE

  4. Task 4: Combining Over & Under Sampling strategies: SMOTETomek

  5. Task 5: Metrics Discussion & Comparison of impact of all the strategies

Ablauf angeleiteter Projekte

Ihr Arbeitsbereich ist ein Cloud-Desktop direkt in Ihrem Browser, kein Download erforderlich

Ihr Dozent leitet Sie in einem Video mit geteiltem Bildschirm Schritt für Schritt an.

Häufig gestellte Fragen

Häufig gestellte Fragen

Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.