Predict Employee Turnover with scikit-learn
Apply decision trees and random forests with scikit-learn to classification problems
Interpret decision trees and random forest models using feature importances
Tune model hyperparamters to improve classification accuracy
Create interactive, GUI components in Jupyter notebooks using widgets
Welcome to this project-based course on Predicting Employee Turnover with Decision Trees and Random Forests using scikit-learn. In this project, you will use Python and scikit-learn to grow decision trees and random forests, and apply them to an important business problem. Additionally, you will learn to interpret decision trees and random forest models using feature importance plots. Leverage Jupyter widgets to build interactive controls, you can change the parameters of the models on the fly with graphical controls, and see the results in real time! This course runs on Coursera's hands-on project platform called Rhyme. On Rhyme, you do projects in a hands-on manner in your browser. You will get instant access to pre-configured cloud desktops containing all of the software and data you need for the project. Everything is already set up directly in your internet browser so you can just focus on learning. For this project, you’ll get instant access to a cloud desktop with Python, Jupyter, and scikit-learn pre-installed.
Навыки, которые вы получите
- Decision Tree
- Machine Learning
- Random Forest
- classification
- Scikit-Learn
Будете учиться пошагово
На видео, которое откроется рядом с рабочей областью, преподаватель объяснит эти шаги:
Introduction and Importing Libraries
Exploratory Data Analysis
Encode Categorical Features
Visualize Class Imbalance
Create Training and Test Sets
Build a Decision Tree Classifier with Interactive Controls
Build a Decision Tree Classifier with Interactive Controls (Continued)
Build a Random Forest Classifier with Interactive Controls
Feature Importance and Evaluation Metrics
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
Рецензии
Лучшие отзывы о курсе PREDICT EMPLOYEE TURNOVER WITH SCIKIT-LEARN
Good practical overview of decision tree and random forest model with Python. The interface for code typing is a bit difficult to navigate with some lag time; hence -1 star in the review.
Really liked it! Up to the point on a useful subject which directly translate into business reality. Within that package you get a very nice and detailed forest of random forest!
I am glad to have taken this course. I came across some unknown features of Pandas (profile), sklearn library. New python libraries like yellowbrick.
I was looking for Elaborated explanation of the project and implement it to clear the concept. This course did explain it all.
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
