Predict Gas Guzzlers using a Neural Net Model on the MPG Data Set

4.8
звезд
Оценки: 5
Рецензии: 1
от партнера
Coursera Project Network
В этом Проект с консультациями вы:

Complete a random Training and Test Set from one Data Source using an R function.

Practice data distribution using R and ggplot2.

Apply a Neural Net model to the Data and examine the results by building a Confusion Matrix.

Clock2 Hours
IntermediateУчащийся среднего уровня
CloudЗагрузка не требуется
VideoВидео на разделенном экране
Comment DotsАнглийский
LaptopТолько для ПК

In this 1-hour long project-based course, you will learn how to (complete a training and test set using an R function, practice looking at data distribution using R and ggplot2, Apply a Neural Net model to the data, and examine the results using a Confusion Matrix. Note: 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

Random ForestData ScienceData AnalysisMachine Learning

Будете учиться пошагово

На видео, которое откроется рядом с рабочей областью, преподаватель объяснит эти шаги:

  1. Task 1: In this task the Learner will be introduced to the Course Objectives, which is to how to execute a Neural Network using the NeuralNet R package on the MPG data set. There will be a short discussion about the Interface and an Instructor Bio.

  2. Task 2: The Learners will get experience looking at the data using ggplot2. This is important in order for the practitioner to see the balance of the data, especially as it relates to the Response Variable.

  3. Task 3: The Learner will get experience creating Testing and Training Data Sets. There are multiple ways to do this and the Instructor will go over two of them in this Task.

  4. Task 4: The Learner will get experience with the syntax of the Neuralnet package in R by building out a neural net model. There will be a short discussion on the differences between the predict function in R and compute with the Neuralnet package as well.

  5. Task 5: The Learner will get experience evaluation models in this Task. The Confusion Matrix will be discussed as the evaluation metric of choice for the specific problem. The conclusion of the course will use the two evaluation metrics see how well the model performed on the test data set.

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

  • Приобретая проект с консультациями, вы получаете все необходимое для его выполнения, включая браузерный доступ к рабочему столу, содержащему папки и программы для начала работы, а также пошаговые видеоинструкции от отраслевого эксперта.

  • Поскольку ваше рабочее пространство включает облачный рабочий стол, рассчитанный на ноутбук или ПК, проекты с консультациями недоступны на мобильном устройстве.

  • Преподаватели, ведущие проект с рекомендациями, — это отраслевые эксперты с навыками, инструментами и пониманием темы, которые хотят разделить свои знания с миллионами учащихся по всему миру.

  • Вы можете скачать и сохранить любой из созданных файлов своего проекта с рекомендациями. Для этого воспользуйтесь функцией "Обозреватель файлов" на облачном рабочем столе.

  • Средства за проекты с рекомендациями не возвращаются. Ознакомьтесь с полным текстом нашей политики возврата средств.

  • Финансовая помощь недоступна для проектов с рекомендациями.

  • Прослушивание недоступно для проектов с консультациями.

  • В верхней части страницы вы можете нажать уровень опыта для этого проекта с консультациями, чтобы просмотреть предварительные требования к знаниями. Преподаватель проведет вас пошагово по каждому уровню проекта с консультациями.

  • Да, все необходимое для завершения проекта с рекомендациями будет доступно на облачном рабочем столе. Вы сможете открыть этот рабочий стол в браузере.

  • Вы научитесь выполнять задания в режиме разделенного экрана непосредственно в браузере. В левой части экрана можно выполнять задания в своем рабочем пространстве. В правой части экрана можно просматривать пошаговые инструкции преподавателя по работе с проектом.

Остались вопросы? Посетите Центр поддержки учащихся.