Kurs
Ensemblemetoder i Python
AvanceradKunskapsnivå
Uppdaterad 2025-10
PythonMachine Learning4 tim15 videor52 Övningar4,050 XP12,909Intyg om genomförande
Skapa ditt kostnadsfria konto
Fortsätt med GoogleVisa fler alternativeller
Genom att fortsätta godkänner du våra användarvillkor, vår integritetspolicy och att dina uppgifter lagras i USA.
Omtyckt av lärande på tusentals företag
Utbildar du ett team?
Prova för företagKursbeskrivning
Förkunskapskrav
Linear Classifiers in PythonMachine Learning with Tree-Based Models in Python1
Att kombinera flera modeller
Har du svårt att avgöra vilken av dina modeller som passar bäst för ditt problem? Sluta leta efter den perfekta modellen och använd dem alla istället! I det här kapitlet lär du dig att kombinera flera modeller till en med hjälp av "Voting" och "Averaging". Du använder dessa för att förutsäga betyg på appar i Google Play Store, avgöra om en Pokémon är legendarisk, och ta reda på vilka karaktärer som kommer att dö i Game of Thrones!
2
Bagging
Bagging är ensemblemetoden bakom kraftfulla maskininlärningsalgoritmer som random forests. I det här kapitlet lär du dig teorin bakom tekniken och bygger dina egna bagging-modeller med scikit-learn.
3
Boosting
Boosting är en klass av ensemblelärningsalgoritmer som inkluderar prisbelönta modeller som AdaBoost. I det här kapitlet lär du dig om denna prisbelönta modell och använder den för att förutsäga intäkterna för prisbelönta filmer! Du lär dig också om gradientboostingalgoritmer som CatBoost och XGBoost.
4
Stacking
Dags att se hur stacking fungerar i praktiken! I det här sista kapitlet lär du dig om ensemblemetoden stacking. Du lär dig att implementera den med scikit-learn och med biblioteket mlxtend! Du tillämpar stacking för att förutsäga om nordamerikanska svampar är ätliga, och återvänder till betygen för Google-appar med det här mer avancerade angreppssättet.
Ensemblemetoder i Python
Kurs slutförd
Tjäna ett prestationsbevis
Lägg till det här beviset i din LinkedIn-profil, ditt CV eller din meritförteckningDela det i sociala medier och i din medarbetarutvärderingRegistrera dig nu
Gå med 19 miljoner lärande och börja Ensemblemetoder i Python idag!
Skapa ditt kostnadsfria konto
Fortsätt med GoogleVisa fler alternativeller
Genom att fortsätta godkänner du våra användarvillkor, vår integritetspolicy och att dina uppgifter lagras i USA.
Utveckla dina datakunskaper med DataCamp för mobilen
Gör framsteg när du är på språng med våra mobila kurser och dagliga 5-minuters kodningsutmaningar.