Hello everyone and welcome to this new hands-on project on Machine Learning hyperparameters optimization. In this project, we will optimize machine learning regression models parameters using several techniques such as grid search, random search and Bayesian optimization. Hyperparameter optimization is a key step in developing machine learning models and it works by fine tuning ML models so they can optimally perform on a given dataset.
ML Parameters Optimization: GridSearch, Bayesian, Random
Sichern Sie sich eines unserer besten Angebote mit Coursera Plus für 199 $ (normalerweise 399 $). Jetzt sparen.
Fragen Sie Coursera
Erwerben Sie praxisrelevante Kompetenzen unter Anleitung von Experten, üben Sie sich in ihrer Anwendung und wenden Sie sie schließlich an.
Stufe Anfänger
Keine Vorkenntnisse erforderlich
2 hours
In Ihrem eigenen Lerntempo lernen
Praktisches Lernen
Was Sie lernen werden
Understand the difference between hyperparameters optimization techniques such as GridSearch, Bayesian & Random Search Optimization Techniques.
Optimize ML model hyperparameters in Scikit-Learn using GridSearch, Bayesian & Random Search Optimization Techniques.
Evaluate several trained regression models performance using various Key Performance Indicators (KPIs).
Kompetenzen, die Sie festigen
- Kategorie: Model Optimization
- Kategorie: Applied Machine Learning
- Kategorie: Fine-tuning
- Kategorie: Regression Analysis
- Kategorie: Machine Learning
- Kategorie: Model Evaluation
- Kategorie: Data Analysis
Tools, die Sie verwenden werden
- Kategorie: Scikit Learn (Machine Learning Library)
Wichtige Details
Zertifikat zur Vorlage
Zu Ihrem LinkedIn-Profil hinzufügen
Unterrichtet in Englisch
Keine Downloads oder Installation erforderlich
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:
Understand the Problem Statement
Import Libraries and Datasets
Practice Opportunity #1 [Optional]:
Practice Opportunity #2 [Optional]
Train an XG-Boost Algorithm Without Optimization
Practice Opportunity #3 [Optional]
Strategy #1: Optimization Using GridSearch
Strategy #2: Optimization Using Random Search
Strategy #3: Optimization Using Bayesian Optimizer
Final Capstone Project
Final Capstone Project Solution
12 Projektbilder
Dozent
38 Kurse123.706 Lernende
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.
Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“
Jennifer J.
Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“
Larry W.
Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“
Chaitanya A.
„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“
