Support Vector Machine Classification in Python
import the dataset and perform training/testing set splits
Apply feature scaling for normalization
Build an SVM classifier and make Predictions
Build a Confusion Matrix and Visualize the results
In this 1-hour long guided project-based course, you will learn how to use Python to implement a Support Vector Machine algorithm for classification. This type of algorithm classifies output data and makes predictions. The output of this model is a set of visualized scattered plots separated with a straight line. You will learn the fundamental theory and practical illustrations behind Support Vector Machines and learn to fit, examine, and utilize supervised Classification models using SVM to classify data, using Python. We will walk you step-by-step into Machine Learning supervised problems. With every task in this project, you will expand your knowledge, develop new skills, and broaden your experience in Machine Learning. Particularly, you will build a Support Vector Machine algorithm, and by the end of this project, you will be able to build your own SVM classification model with amazing visualization. In order to be successful in this project, you should just know the basics of Python and classification algorithms.
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:
Understand the concept of building a Support Vector Machine classification algorithm with a real-world example
Import and explore the dataset and libraries: numpy, pandas and matplotlib
Split the dataset into training set and testing set
Apply feature scaling to normalize the input features
Fit the SVM classifier to the dataset and making predictions
Visualize training and testing sets results
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 SUPPORT VECTOR MACHINE CLASSIFICATION IN PYTHON
Straight to the point, take a little bit of time and it is very useful for anyone seeking more knowledge in this domain. Thumbs up to the instructor.
it was a little bit hard to get message, when he did not write the code for visualizing and copied it. My code never get executed even I copied.
Good Course. But voice of instructor was not clear enough and he was very slow. Overall, I have learned some new things. Thanks Instructor.
Gave me a good intuition for applying SVM classifier in python as well as visualising predictions, thanks for guiding me through this.
Häufig gestellte Fragen
Häufig gestellte Fragen
Was bekomme ich, wenn ich ein angeleitetes Projekt kaufe?
Sind angeleitete Projekte auf dem Desktop und auf Mobilgeräten verfügbar?
Wer sind die Dozenten bei angeleiteten Projekten?
Kann ich die Arbeit aus meinem angeleiteten Projekt herunterladen, nachdem ich sie abgeschlossen habe?
Wie erfolgen Rückerstattungen?
Ist finanzielle Unterstützung möglich?
Kann ich ein angeleitetes Projekt auditieren und den Videoteil kostenlos anschauen?
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 Projekten?
Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..
Coursera Footer
