یادگیری تحت نظارت با Sicit-Learn

مدرس George Boorman

انتشار 2024/01/01

مدت زمان 4h

سطح مناسب همه

فایل تمرینی دارد

آموزش Supervised Learning with scikit-learn

مهارت های یادگیری ماشین خود را با scikit-learn رشد دهید و نحوه استفاده از این کتابخانه محبوب Python را برای آموزش مدل ها با استفاده از داده های برچسب گذاری شده کشف کنید. در این دوره، شما یاد خواهید گرفت که چگونه پیش‌بینی‌های قدرتمندی انجام دهید، مانند اینکه آیا مشتری از کسب‌وکار شما خارج می‌شود یا خیر، آیا یک فرد مبتلا به دیابت است یا خیر، و حتی نحوه طبقه‌بندی ژانر یک آهنگ. با استفاده از مجموعه داده‌های دنیای واقعی، نحوه ساخت مدل‌های پیش‌بینی، تنظیم پارامترهای آن‌ها و تعیین میزان عملکرد آنها با داده‌های دیده نشده را خواهید یافت.

Machine Learning Python

Classification

Machine learning with scikit-learn ()

The classification challenge ()

k-Nearest Neighbors: Fit

k-Nearest Neighbors: Predict

Measuring model performance ()

Train/test split + computing accuracy

Overfitting and underfitting

Visualizing model complexity

Regression

Introduction to regression ()

Creating features

Building a linear regression model

Visualizing a linear regression model

The basics of linear regression ()

Fit and predict for regression

Regression performance

Cross-validation ()

Cross-validation for R-squared

Analyzing cross-validation metrics

Regularized regression ()

Regularized regression: Ridge

Lasso regression for feature importance

Fine-Tuning Your Model

How good is your model? ()

Assessing a diabetes prediction classifier

Logistic regression and the ROC curve ()

Building a logistic regression model

ROC AUC

Hyperparameter tuning ()

Hyperparameter tuning with GridSearchCV

Hyperparameter tuning with RandomizedSearchCV

Preprocessing and Pipelines

Preprocessing data ()

Creating dummy variables

Regression with categorical features

Handling missing data ()

Pipeline for song genre prediction: I

Pipeline for song genre prediction: II

Centering and scaling ()

Centering and scaling for regression

Centering and scaling for classification

Evaluating multiple models ()

Visualizing regression model performance

Predicting on the test set

Visualizing classification model performance

Pipeline for predicting song popularity

Congratulations ()

advertising_and_sales_clean.csv (175 KB)

diabetes_clean.csv (23 KB)

telecom_churn_clean.csv (258 KB)

music_clean.csv (102 KB)

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.

محتواها

15 محتوای ویدئویی 30 محتوای Pdf

زیرنویس‌

فارسی-ماشین و انگلیسی

کیفیت ویدئوها‌

فقط 720p

فایل تمرینی‌

دارد

آزمون‌

ندارد

دانلود فایل تمرینی مشاهده آنلاین

آموزش های مرتبط

تلگرام توییتر واتساپ

آموزش یادگیری تحت نظارت با Sicit-Learn

آموزش Supervised Learning with scikit-learn

دانلود فایل فشرده

درخواست لینک دانلود