Scikit-Learn to Solve Regression Machine Learning Problems

提供方
在此指导项目中,您将:

Train machine learning regression models using Scikit-Learn library 

Understand the theory and intuition behind XG-Boost regression model

Evaluate several trained regression models performance using various Key Performance Indicators (KPIs)

2 hours
初级
无需下载
分屏视频
英语(English)
仅限桌面

Hello everyone and welcome to this new hands-on project on Scikit-Learn for solving machine learning regression problems. In this project, we will learn how to build and train regression models using Scikit-Learn library. Scikit-learn is a free machine learning library developed for python. Scikit-learn offers several algorithms for classification, regression, and clustering. Several famous machine learning models are included such as support vector machines, random forests, gradient boosting, and k-means. This project is practical and directly applicable to many industries. You can add this project to your portfolio of projects which is essential for your next job interview.

您要培养的技能

  • Data Analysis

  • Machine Learning (ML) Algorithms

  • Machine Learning

分步进行学习

在与您的工作区一起在分屏中播放的视频中,您的授课教师将指导您完成每个步骤:

  1. Understand the Problem Statement

  2. Import Key Libraries and Datasets

  3. Practice Opportunity #1 [Optional]

  4. Perform Data Visualization

  5. Perform Feature Engineering

  6. Understand XG-Boost Algorithm

  7. Train an XG-Boost Regression Model

  8. Evaluate Trained Model Performance

  9. Practice Opportunity #2 [Optional]

  10. Final Capstone Project

指导项目工作原理

您的工作空间就是浏览器中的云桌面,无需下载

在分屏视频中,您的授课教师会为您提供分步指导

常见问题

购买指导项目后,您将获得完成指导项目所需的一切,包括通过 Web 浏览器访问云桌面工作空间,工作空间中包含您需要了解的文件和软件,以及特定领域的专家提供的分步视频说明。

由于您的工作空间包含适合笔记本电脑或台式计算机使用的云桌面,因此指导项目不在移动设备上提供。

指导项目授课教师是特定领域的专家,他们在项目的技能、工具或领域方面经验丰富,并且热衷于分享自己的知识以影响全球数百万的学生。

您可以从指导项目中下载并保留您创建的任何文件。为此,您可以在访问云桌面时使用‘文件浏览器’功能。

指导项目不符合退款条件。请查看我们完整的退款政策

指导项目不提供助学金。

指导项目不支持旁听。

您可在页面顶部点按此指导项目的经验级别,查看任何知识先决条件。对于指导项目的每个级别,您的授课教师会逐步为您提供指导。

是,您可以在浏览器的云桌面中获得完成指导项目所需的一切。

您可以直接在浏览器中于分屏环境下完成任务,以此从做中学。在屏幕的左侧,您将在工作空间中完成任务。在屏幕的右侧,您将看到有授课教师逐步指导您完成项目。