Evaluate Machine Learning Models with Yellowbrick
Build and evaluate a logistic regression classifier with scikit-learn
Use visualization and model diagnostic tools from Yellowbrick to steer your machine learning workflow
Welcome to this project-based course on Evaluating Machine Learning Models with Yellowbrick. In this course, we are going to use visualizations to steer our machine learning workflow. The problem we will tackle is to predict whether rooms in apartments are occupied or unoccupied based on passive sensor data such as temperature, humidity, light and CO2 levels. We will build a logistic regression model for binary classification. This is a continuation of the course on Room Occupancy Detection. With an emphasis on visual steering of our analysis, we will cover the following topics in our machine learning workflow: model evaluation with ROC/AUC plots, confusion matrices, cross-validation scores, and setting discrimination thresholds for logistic regression models. 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, Yellowbrick, and scikit-learn pre-installed. Notes: - You will be able to access the cloud desktop 5 times. However, you will be able to access instructions videos as many times as you want. - This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.
Навыки, которые вы получите
- Data Science
- Machine Learning
- Python Programming
- Data Visualization (DataViz)
- Scikit-Learn
Будете учиться пошагово
На видео, которое откроется рядом с рабочей областью, преподаватель объяснит эти шаги:
ROC/AUC Plots
Classification Report and Confusion Matrix
Cross-validation Scores
Evaluating Class Balance
Discrimination Threshold for Logistic Regression
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 EVALUATE MACHINE LEARNING MODELS WITH YELLOWBRICK
It was great overall. But you need to fix the audio issues in some of the tasks.
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
