Cervical Cancer Risk Prediction Using Machine Learning
Understand the theory and intuition behind XGBoost Algorithm
Preform exploratory data analysis
Develop, train and evaluate XG-Boost classifier model using Scikit-Learn
In this hands-on project, we will build and train an XG-Boost classifier to predict whether a person has a risk of having cervical cancer. Cervical cancer kills about 4,000 women in the U.S. and about 300,000 women worldwide. Data has been obtained from 858 patients and include features such as number of pregnancies, smoking habits, Sexually Transmitted Disease (STD), demographics, and historic medical records.
Навыки, которые вы получите
- Data Analysis
- Machine Learning
- classification
- Artificial Intelligence(AI)
Будете учиться пошагово
На видео, которое откроется рядом с рабочей областью, преподаватель объяснит эти шаги:
Task #1: Understand the Problem Statement and Business Case
Task #2: Import Libraries and Datasets
Task #3: Perform Exploratory Data Analysis
Task #4: Perform Data Visualization
Task #5: Prepare the data before Model Training
Task #6: Understand the Theory and Intuition Behind XG-Boost
Task #7: Train and Evaluate XG-Boost Algorithm
Как устроены проекты с консультациями
Ваше рабочее пространство — это облачный рабочий стол в браузере. Ничего не нужно загружать.
На разделенном экране видео преподаватель предоставляет пошаговые
Часто задаваемые вопросы
Часто задаваемые вопросы
Что я получу, приобретя проект с рекомендациями?
Доступны ли проекты с консультациями на ПК и мобильных устройствах?
Какие преподаватели ведут проекты с рекомендациями?
Можно ли скачать работу из уже завершенного проекта с рекомендациями?
Какие правила возврата средств?
Можно ли получить финансовую помощь?
Можно ли прослушать проект с рекомендациями и посмотреть видео бесплатно?
Какие предварительные знания требуются для работы над проектом с рекомендациями?
Можно ли выполнить этот проект с рекомендациями в веб-браузере, не устанавливая специальное ПО?
Как организована учеба на проектах с рекомендациями?
Остались вопросы? Посетите Центр поддержки учащихся.
Coursera Footer
