Visual Machine Learning with Yellowbrick
Evaluate the performance of a classifier using visual diagnostic tools from Yellowbrick
Diagnose and handle class imbalance problems
Präsentieren Sie diese praktische Erfahrung in einem Vorstellungsgespräch
Welcome to this project-based course on Visual Machine Learning with Yellowbrick. In this course, we will explore how to evaluate the performance of a random forest classifier on the Poker Hand data set using visual diagnostic tools from Yellowbrick. With an emphasis on visual steering of our analysis, we will cover the following topics in our machine learning workflow: feature analysis, feature importance, algorithm selection, model evaluation using regression, cross-validation, and hyperparameter tuning. This course runs on Coursera's hands-on project platform called Rhyme. On Rhyme, you do projects in a hands-on manner in your browser. You will get instant access to pre-configured cloud desktops containing all of the software and data you need for the project. Everything is already set up directly in your internet browser so you can just focus on learning. For this project, you’ll get instant access to a cloud desktop with Python, Jupyter, Yellowbrick, and scikit-learn pre-installed. Notes: - You will be able to access the cloud desktop 5 times. However, you will be able to access instructions videos as many times as you want. - This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.
Some prior experience with Python programming and scikit-learn.
Kompetenzen, die Sie erwerben werden
Schritt für Schritt lernen
In einem Video, das auf einer Hälfte Ihres Arbeitsbereichs abgespielt wird, führt Sie Ihr Dozent durch diese Schritte:
Introduction to the Project and Dataset
Separate the Data into Features and Targets
Evaluating Class Balance
Up-sampling from Minority Classes
Training a Random Forests Classifier
Classification Accuracy
ROC Curve and AUC
Classification Report Heatmap
Class Prediction Error
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.
Bewertungen
Top-Bewertungen von VISUAL MACHINE LEARNING WITH YELLOWBRICK
I really enjoyed this project. Thank you very much for your valuable teaching. Like to learn more from your end.
Häufig gestellte Fragen
Häufig gestellte Fragen
Sind angeleitete Projekte auf dem Desktop und auf Mobilgeräten verfügbar?
Wer sind die Dozenten bei angeleiteten Projekte?
Kann ich die Arbeit aus meinem angeleiteten Projekt herunterladen, nachdem ich sie abgeschlossen habe?
Wie viel Erfahrung brauche ich für dieses angeleitete Projekt?
Kann ich dieses angeleitete Projekt direkt über meinen Webbrowser abschließen, anstatt spezielle Software zu installieren?
Wie ist die Lernerfahrung bei angeleiteten Projekte?
Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..
Coursera Footer
