Build your ultimate AI agent
Deskripsi Kursus
Apakah Anda memahami dasar-dasar supervised learning dan ingin menggunakan model mutakhir pada himpunan data dunia nyata? Gradient boosting saat ini merupakan salah satu teknik paling populer untuk pemodelan efisien pada himpunan data tabular dari berbagai ukuran. XGBoost adalah implementasi gradient boosting yang sangat cepat dan dapat diskalakan, dengan model berbasis XGBoost yang secara rutin memenangkan kompetisi data science daring dan digunakan secara luas di berbagai industri. Dalam kursus ini, Anda akan mempelajari cara menggunakan library yang kuat ini bersama pandas dan scikit-learn untuk membangun dan menyetel model supervised learning. Anda akan bekerja dengan himpunan data dunia nyata untuk menyelesaikan masalah klasifikasi dan regresi.
Prasyarat
Kurikulum
Garis besar kursus
1
Klasifikasi dengan XGBoost
Bab ini akan memperkenalkan Anda pada gagasan mendasar di balik XGBoost—boosted learners. Setelah memahami cara kerja XGBoost, Anda akan menerapkannya untuk menyelesaikan masalah klasifikasi umum di industri: memprediksi apakah seorang pelanggan akan berhenti menjadi pelanggan pada suatu waktu di masa depan.
- Selamat datang di kursus ini!50 XP
- Manakah dari berikut ini yang merupakan masalah klasifikasi?50 XP
- Manakah dari berikut ini yang merupakan masalah klasifikasi biner?50 XP
- Mengenal XGBoost50 XP
- XGBoost: Fit/Predict100 XP
- Apa itu pohon keputusan?50 XP
- Pohon keputusan100 XP
- Apa itu Boosting?50 XP
- Mengukur akurasi100 XP
- Mengukur AUC100 XP
- Kapan saya sebaiknya menggunakan XGBoost?50 XP
- Menggunakan XGBoost50 XP
2
Regresi dengan XGBoost
Setelah tinjauan singkat tentang regresi terawasi, Anda akan menerapkan XGBoost pada tugas regresi untuk memprediksi harga rumah di Ames, Iowa. Anda akan mempelajari dua jenis base learner yang dapat digunakan XGBoost sebagai weak learner, dan meninjau cara mengevaluasi kualitas model regresi Anda.
3
Penyetelan model XGBoost Anda
Bab ini akan mengajarkan Anda cara memaksimalkan kinerja model XGBoost Anda. Anda akan mempelajari beragam parameter yang dapat disesuaikan untuk mengubah perilaku XGBoost dan cara menyetelnya secara efisien agar Anda dapat meningkatkan performa model secara signifikan.
4
Menggunakan XGBoost dalam pipeline
Tingkatkan keterampilan XGBoost Anda dengan memasukkan model Anda ke dalam dua pipeline Machine Learning ujung-ke-ujung. Anda akan mempelajari cara menyetel hyperparameter XGBoost yang paling penting secara efisien di dalam pipeline, dan mendapatkan pengenalan terhadap beberapa teknik prapemrosesan lanjutan.
Extreme Gradient Boosting dengan XGBoost
Kursus
Selesai
