In this 2 hour and 15 mins long project-based course, you will learn how to ow to set up PyCaret Environment and become familiar with the variety of data preparing tasks done during setup, be able to create, see and compare the performance of several models, learn how to tune your model without doing an exhaustive search, create impressive visuals of models, interpret models with the wrapper around SHAP Library and much more & all this with just a few lines of code.

PyCaret: Anatomy of Regression
Erweitern Sie Ihre Kenntnisse mit Coursera Plus für 239 $/Jahr (normalerweise 399 $). Jetzt sparen.

(14 Bewertungen)
Empfohlene Erfahrung
Was Sie lernen werden
How to create a regression environment and compare model performance
Create best performing regression models
Using hyper parameter to tune models
Kompetenzen, die Sie festigen
- Kategorie: Machine Learning
- Kategorie: Feature Engineering
- Kategorie: Regression Analysis
- Kategorie: Applied Machine Learning
- Kategorie: Data Visualization
- Kategorie: Exploratory Data Analysis
- Kategorie: Model Evaluation
- Kategorie: Data Preprocessing
- Kategorie: Performance Tuning
- Kategorie: Predictive Modeling
Tools, die Sie verwenden werden
- Kategorie: Python Programming
- Kategorie: Scikit Learn (Machine Learning Library)
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 Data, Initial dataset check and setup Pycaret environment
-
Task 2: Create regression environment and compare model performance
-
Task 3: Create best performing regression models
-
Task 4: Hyper Parameter tuning the models
-
Task 5: Stacking & Ensemble
-
Task 6: Visualize and interpret the machine learning model
Empfohlene Erfahrung
Familiar with regression models, Sklearn and Python
7 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.
Ihnen könnte auch Folgendes gefallen:

Corporate Finance Institute

Wesleyan University

Neue Karrieremöglichkeiten mit Coursera Plus
Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten
Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.
Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online
Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.
Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.



