In this 1-hour long project-based course, you will learn how to build Classification Trees in Python, using a real world dataset that has missing data and categorical data that must be transformed with One-Hot Encoding. We then use Cost Complexity Pruning and Cross Validation to build a tree that is not overfit to the Training Dataset.

Classification Trees in Python, From Start To Finish
Zum Labor Day gibt es bei Coursera Plus Rabatte von über 70 $. Sparen Sie 3 Monate lang 40 %.

Classification Trees in Python, From Start To Finish

Dozent: Josh Starmer
10.267 bereits angemeldet
Bei Mehr erfahren enthalten
Fragen Sie Coursera
(233 Bewertungen)
Empfohlene Erfahrung
Was Sie lernen werden
Create Classification Trees in Python
Apply Cost Complexity Pruning in Python
Apply Cross Validation in Python
Create Confusion Matrices in Python
Kompetenzen, die Sie festigen
- Kategorie: Predictive Modeling
- Kategorie: Data Preprocessing
- Kategorie: Applied Machine Learning
- Kategorie: Model Evaluation
- Kategorie: Feature Engineering
- Kategorie: Data Transformation
- Kategorie: Model Training
- Kategorie: Supervised Learning
- Kategorie: Decision Tree Learning
- Kategorie: Classification And Regression Tree (CART)
Tools, die Sie verwenden werden
- Kategorie: Scikit Learn (Machine Learning Library)
- Kategorie: Classification Algorithms
Wichtige Details

Zu Ihrem LinkedIn-Profil hinzufügen
Nur als Desktop-Version verfügbar
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Lernen, Üben und Anwenden von berufsrelevanten Fähigkeiten in weniger als 2 Stunden
- Nehmen Sie an Schulungen von Branchenexperten teil
- Sammeln Sie mit Aufgaben aus der realen Welt praktische Erfahrung
- Schaffen Sie Vertrauen durch neueste Tools und Technologien

Über dieses begleitete Projekt
Schritt für Schritt lernen
In einem Video, das auf einer Hälfte Ihres Arbeitsbereichs abgespielt wird, führt Sie Ihr Dozent durch diese Schritte:
Task 1: Import the modules that will do all the work
Task 2: Import the data
Task 3: Missing Data Part 1: Identifying Missing Data
Task 4: Missing Data Part 2: Dealing With Missing Data
Task 5: Format Data Part 1: Split the Data into Dependent and Independent Variables
Task 6: Format the Data Part 2: One-Hot Encoding
Task 7: Build A Preliminary Classification Tree
Task 8: Cost Complexity Pruning Part 1: Visualize alpha
Task 9: Cost Complexity Pruning Part 2: Cross Validation For Finding the Best Alpha
Task 10: Building, Evaluating, Drawing, and Interpreting the Final Classification Tree
Empfohlene Erfahrung
Familiarity with Python and the theory behind Decision Trees, Cost Complexity Pruning, Cross Validation and Confusion Matrices.
3 Projektbilder
Dozent

von
Was Sie beim Lernen erwartet
Auf Kompetenzen basierendes, praktisches Lernen
Üben Sie die Anwendung neuer Kompetenzen anhand von berufsbezogenen Aufgabenstellungen.
Anleitung durch Experten
Lernen Sie mit vorab von Experten aufgezeichneten Videos in einer einzigartigen aufgeteilten Oberfläche.
Keine Downloads oder Installation erforderlich
Greifen Sie in einem vordefinierten Cloud-Arbeitsbereich auf die Tools und Ressourcen zu.
Nur für Desktop verfügbar
Dieses begleitete Projekt ist für die Bearbeitung an einem Laptop oder Desktop-Computer mit stabiler Internetverbindung konzipiert und nicht für Mobilgeräte.
Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Jennifer J.

Larry W.

Chaitanya A.
Bewertungen von Lernenden
- 5 stars
69,95 %
- 4 stars
21,03 %
- 3 stars
6 %
- 2 stars
1,28 %
- 1 star
1,71 %
Zeigt 3 von 233 an
Geprüft am 17. Juni 2020
A very informative and well guided short session to understand overview of Classification Trees. Covers lot of important concepts in 1 hour. Highly recommend
Geprüft am 10. Mai 2022
The instructor has a great teaching style. I have enjoyed his sense of humour throughout the course. All the details are explained clearly and thoroughly by written notes or verbal explanation.
Geprüft am 24. Aug. 2020
This is a great course. The instructor does a wonderful job of explaining concepts and providing useful code.
Ihnen könnte auch Folgendes gefallen:
Status: Vorschau
Status: Kostenloser Testzeitraum
Status: Kostenloser Testzeitraum





