Imbalanced-learn: modelos de ML con datos desequilibrados

Offered By
Coursera Project Network
In this Guided Project, you will:

Aprender que son los datos desbalanceados

Aplicar técnicas de under-sampling y over-sampling

Conocer las técnicas para tratar con datos desbalanceados

Clock2 horas
BeginnerBeginner
CloudNo download needed
VideoSplit-screen video
Comment DotsSpanish
LaptopDesktop only

Este proyecto es un curso práctico y efectivo para aprender que es el desbalanceo de clases en Machine leraning y como tratarlo. Aprenderemos las técnicas más avanzadas para trabajar con datos desbalanceados como: bSMOTE, ADASYN, SMOTEEN, etc. También aprenderemos a generar modelos capaces de trabajar con datos desbalanceados. Una gran parte de los problemas de clasificación utilizan datos debalanceadas. Si no se tratan estos casos estaremos generando modelos que no estén funcionando correctamente, pese a que a priori parezca que si. Por eso, en este curso aprenderemos a como tratar este tipo de datos.

Skills you will develop

ADASYNSMOTEMachine LearningPython ProgrammingImbalanced-learn

Learn step-by-step

In a video that plays in a split-screen with your work area, your instructor will walk you through these steps:

  1. Introducción al desbalanceo de clases

  2. Aplicando técnicas para trabajar con datos desbalanceados

  3. Balanceo aleatorio

  4. Under-sampling

  5. Over-sampling

  6. Over-sampling seguido de under-sampling

  7. Modelos para datos desbalanceados

How Guided Projects work

Your workspace is a cloud desktop right in your browser, no download required

In a split-screen video, your instructor guides you step-by-step

Frequently asked questions

Frequently Asked Questions

More questions? Visit the Learner Help Center.