After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Deskripsi Kursus
Model Machine Learning kini lebih mudah diimplementasikan daripada sebelumnya. Tanpa validasi yang tepat, hasil menjalankan data baru melalui sebuah model mungkin tidak seakurat yang diharapkan. Validasi model memungkinkan analis dengan yakin menjawab pertanyaan, seberapa baik model Anda? Kita akan menjawab pertanyaan ini untuk model klasifikasi menggunakan himpunan lengkap skenario akhir permainan tic-tac-toe, dan untuk model regresi menggunakan himpunan data peringkat kekuatan permen Halloween dari fivethirtyeight. Dalam kursus ini, kita akan membahas dasar-dasar validasi model, mendiskusikan berbagai teknik validasi, dan mulai mengembangkan alat untuk membuat model yang tervalidasi dan berkinerja tinggi.
Prasyarat
Kurikulum
Garis besar kursus
1
Pemodelan Dasar di scikit-learn
Sebelum kita dapat memvalidasi model, kita perlu memahami cara membuat dan menggunakannya. Bab ini memberikan pengantar untuk menjalankan model regresi dan klasifikasi di scikit-learn. Landasan pembangunan model ini akan kita gunakan di seluruh bab berikutnya.
- Pengantar validasi model50 XP
- Langkah-langkah pemodelan50 XP
- Data yang pernah vs. belum pernah dilihat100 XP
- Model regresi50 XP
- Atur parameter dan latih model100 XP
- Tingkat kepentingan fitur100 XP
- Model klasifikasi50 XP
- Prediksi klasifikasi100 XP
- Menggunakan kembali parameter model100 XP
- Klasifikator random forest100 XP
2
Dasar-dasar Validasi
Bab ini berfokus pada dasar-dasar validasi model. Mulai dari membagi data menjadi himpunan data pelatihan, validasi, dan pengujian, hingga membangun pemahaman tentang trade-off bias-varian, kita membangun fondasi untuk teknik validasi K-Fold dan Leave-One-Out yang dipraktikkan di bab tiga.
3
Cross Validation
Holdout set merupakan awal yang baik untuk validasi model. Namun, menggunakan satu set latih dan uji saja sering kali tidak cukup. Cross-validation dianggap sebagai standar emas dalam memvalidasi kinerja model dan hampir selalu digunakan saat menala hyper-parameter model. Bab ini berfokus pada melakukan cross-validation untuk memvalidasi kinerja model.
4
Memilih model terbaik dengan penalaan Hyperparameter.
Tiga bab pertama berfokus pada teknik validasi model. Pada bab 4 kita menerapkan teknik-teknik ini, khususnya cross-validation, sambil mempelajari penalaan hyperparameter. Pada akhirnya, validasi model memungkinkan proses penalaan dan membantu kita memilih model terbaik secara keseluruhan.
Validasi Model di Python
Kursus
Selesai
