Name: Python में Tree-Based Models के साथ Machine Learning
Rating: 4.847435897435897 (780 reviews)

कोर्स विवरण

Decision trees supervised learning मॉडल होते हैं, जिनका उपयोग classification और regression जैसी समस्याओं में किया जाता है। Tree मॉडल बहुत लचीले होते हैं, लेकिन इसकी एक कीमत होती है: एक तरफ, पेड़ जटिल non-linear संबंधों को पकड़ सकते हैं; दूसरी तरफ, वे डेटासेट में मौजूद noise को याद कर लेने की प्रवृत्ति रखते हैं। अलग-अलग तरीके से प्रशिक्षित पेड़ों की predictions को मिलाकर, ensemble मेथड्स पेड़ों की लचीलापन का लाभ उठाते हैं और साथ ही noise याद करने की प्रवृत्ति को कम करते हैं। Ensemble मेथड्स कई क्षेत्रों में उपयोग होते हैं और कई machine learning प्रतियोगिताएँ जीतने का सिद्ध रिकॉर्ड रखते हैं। इस कोर्स में, आप Python और user-friendly scikit-learn machine learning लाइब्रेरी का उपयोग करके decision trees और tree-based मॉडल्स को ट्रेन करना सीखेंगे। आप पेड़ों के फायदे और सीमाएँ समझेंगे और देखेंगे कि ensembling से इन सीमाओं को कैसे कम किया जा सकता है — वह भी real-world डेटासेट्स पर अभ्यास करते हुए। अंत में, आप यह भी सीखेंगे कि अपने मॉडलों से सर्वश्रेष्ठ प्रदर्शन पाने के लिए सबसे प्रभावशाली hyperparameters को कैसे ट्यून किया जाए।

पूर्वापेक्षाएँ

Supervised Learning with scikit-learn

पाठ्यक्रम

कोर्स रूपरेखा

Classification और Regression Trees

Classification and Regression Trees (CART) supervised learning मॉडलों का समूह है, जिनका उपयोग classification और regression से जुड़ी समस्याओं में किया जाता है। इस चैप्टर में, आप CART एल्गोरिदम से परिचित होंगे।

अध्याय शुरू करें

Bias-Variance Tradeoff

Bias-variance tradeoff supervised machine learning की मूलभूत अवधारणाओं में से एक है। इस चैप्टर में, आप overfitting और underfitting की समस्याओं का निदान करना समझेंगे। आपको ensembling की अवधारणा से भी परिचित कराया जाएगा, जहाँ कई मॉडलों की predictions को मिलाकर अधिक robust predictions प्राप्त की जाती हैं।

अध्याय शुरू करें

Bagging और Random Forests

Bagging एक ensemble मेथड है जिसमें training डेटा से सैंपल किए गए अलग-अलग उपसमूहों पर एक ही एल्गोरिदम को कई बार प्रशिक्षित किया जाता है। इस चैप्टर में, आप समझेंगे कि bagging का उपयोग करके tree ensemble कैसे बनाया जा सकता है। आप यह भी सीखेंगे कि random forests एल्गोरिदम पेड़ों के प्रत्येक split स्तर पर randomization द्वारा ensemble में अतिरिक्त विविधता कैसे लाता है।

अध्याय शुरू करें

Boosting

Boosting उस ensemble मेथड को कहते हैं जिसमें कई मॉडलों को क्रमवार प्रशिक्षित किया जाता है और हर अगला मॉडल अपने पूर्ववर्तियों की त्रुटियों से सीखता है। इस चैप्टर में, आप AdaBoost और Gradient Boosting के दो boosting मेथड्स से परिचित होंगे।

अध्याय शुरू करें

Model Tuning

Machine learning मॉडल के hyperparameters वे पैरामीटर होते हैं जो डेटा से नहीं सीखे जाते। इन्हें मॉडल को training सेट पर फिट करने से पहले तय किया जाना चाहिए। इस चैप्टर में, आप grid search cross validation का उपयोग करके tree-based मॉडल के hyperparameters को ट्यून करना सीखेंगे।