After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
Ви знаєте основи навчання з учителем і хочете застосувати найсучасніші моделі до реальних наборів даних? Градієнтний бустинг нині є однією з найпопулярніших технік для ефективного моделювання табличних даних будь-якого розміру. XGBoost — це дуже швидка й масштабована реалізація градієнтного бустингу: моделі на XGBoost регулярно перемагають в онлайн-змаганнях з науки про дані та використовуються у великому масштабі в різних індустріях. У цьому курсі ви дізнаєтеся, як використовувати цю потужну бібліотеку разом із pandas та scikit-learn для побудови та налаштування моделей навчання з учителем. Ви працюватимете з реальними наборами даних, розв'язуючи задачі класифікації та регресії.
Попередні вимоги
Навчальний план
Зміст курсу
1
Класифікація з XGBoost
У цьому розділі ви познайомитеся з базовою ідеєю XGBoost — бустинговими учнями. Зрозумівши, як працює XGBoost, ви застосуєте його до типової задачі класифікації з індустрії: передбачення, чи клієнт припинить бути клієнтом у певний момент у майбутньому.
- Ласкаво просимо на курс!50 XP
- Яка з наведених задач є класифікацією?50 XP
- Яка з наведених задач є бінарною класифікацією?50 XP
- Знайомство з XGBoost50 XP
- XGBoost: навчання та передбачення100 XP
- Що таке дерево рішень?50 XP
- Дерева рішень100 XP
- Що таке бустинг?50 XP
- Вимірювання точності100 XP
- Вимірювання AUC100 XP
- Коли варто використовувати XGBoost?50 XP
- Використання XGBoost50 XP
2
Регресія з XGBoost
Після короткого огляду регресії з учителем ви застосуєте XGBoost до задачі регресії з прогнозування цін на житло в Еймсі, штат Айова. Ви дізнаєтеся про два типи базових учнів, які XGBoost може використовувати як слабкі моделі, та повторите, як оцінювати якість ваших регресійних моделей.
3
Тонке налаштування моделі XGBoost
У цьому розділі ви навчитеся робити свої моделі XGBoost максимально результативними. Ви дізнаєтеся про різноманітні параметри, які можна змінювати, щоб впливати на поведінку XGBoost, і як ефективно їх налаштовувати, щоб суттєво підвищити продуктивність ваших моделей.
4
Використання XGBoost у конвеєрах
Підніміть свої навички роботи з XGBoost на вищий рівень, інтегрувавши моделі у два наскрізні конвеєри машинного навчання. Ви навчитеся ефективно налаштовувати найважливіші гіперпараметри XGBoost у складі конвеєра та отримаєте вступ до деяких просунутих методів попереднього опрацювання.
Екстремальний градієнтний бустинг з XGBoost
Курс
завершено
