Build your ultimate AI agent
Deskripsi Kursus
Model Machine Learning berbasis pohon dapat mengungkap hubungan nonlinier yang kompleks dalam data dan sering mendominasi kompetisi Machine Learning. Dalam kursus ini, Anda akan menggunakan paket tidymodels untuk mengeksplorasi dan membangun berbagai model berbasis pohon—dari pohon keputusan sederhana hingga random forest yang kompleks. Anda juga akan mempelajari boosted trees, teknik Machine Learning yang kuat yang menggunakan ensemble learning untuk membangun model prediktif berkinerja tinggi. Sepanjang perjalanan, Anda akan bekerja dengan data kesehatan dan risiko kredit untuk memprediksi insiden diabetes dan churn pelanggan.
Prasyarat
Kurikulum
Garis besar kursus
1
Pohon Klasifikasi
Siap membangun pipeline Machine Learning yang nyata? Selesaikan latihan langkah demi langkah untuk mempelajari cara membuat pohon keputusan, membagi data Anda, dan memprediksi pasien mana yang paling berisiko mengidap diabetes. Terakhir namun tidak kalah penting, Anda akan membangun ukuran kinerja untuk menilai model Anda dan mengevaluasi prediksi Anda.
- Selamat datang di kursus ini!50 XP
- Mengapa metode berbasis pohon?100 XP
- Tentukan spesifikasi pohon tersebut100 XP
- Latih model tersebut100 XP
- Cara menumbuhkan pohon Anda50 XP
- Pemecahan train/test100 XP
- Menghindari ketidakseimbangan kelas100 XP
- Dari nol jadi andal100 XP
- Prediksi dan evaluasi50 XP
- Buat prediksi100 XP
- Uraikan matriks100 XP
- Apakah Anda memprediksi dengan benar?100 XP
2
Pohon Regresi dan Validasi Silang
Siap untuk yang manis-manis? Gunakan himpunan data penilaian cokelat untuk membangun pohon regresi dan menilai kinerjanya menggunakan ukuran galat yang sesuai. Anda akan mengatasi ketidakpastian statistik dari satu kali pembagian latih/uji dengan menerapkan teknik manis seperti validasi silang dan kemudian menyelami lebih dalam dengan menguasai trade-off bias-varian.
3
Hyperparameter dan Model Ensemble
Saatnya serius menyetel hyperparameter dan menafsirkan kurva receiver operating characteristic (ROC). Pada bab ini, Anda akan memanfaatkan kebijaksanaan kolektif melalui model ensemble seperti bagging atau random forest dan membangun ensemble yang memprediksi pelanggan kartu kredit mana yang paling mungkin melakukan churn.
4
Boosted Trees
Siap memasuki kalangan atas model berbasis pohon? Terapkan gradient boosting untuk membuat ensemble yang kuat yang kinerjanya melampaui apa pun yang pernah Anda lihat atau bangun. Pelajari cara penyetelan halusnya dan bagaimana membandingkan berbagai model untuk memilih pemenang untuk produksi.
R
Machine Learning dengan Model Berbasis Pohon di R
Kursus
Selesai
