XG-Boost 101: Used Cars Price Prediction

4.6
звезд
Оценки: 17
от партнера
Coursera Project Network
В этом Проект с консультациями вы:

Understand the theory and intuition behind XG-Boost Algorithm.

Build, train and evaluate XG-Boost, Random Forest, Decision Tree, and Multiple Linear Regression Models Using Scikit-Learn.

Assess the performance of trained regression models using various Key performance indicators.

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

In this hands-on project, we will train 3 Machine Learning algorithms namely Multiple Linear Regression, Random Forest Regression, and XG-Boost to predict used cars prices. This project can be used by car dealerships to predict used car prices and understand the key factors that contribute to used car prices. By the end of this project, you will be able to: - Understand the applications of Artificial Intelligence and Machine Learning techniques in the banking industry - Understand the theory and intuition behind XG-Boost Algorithm - Import key Python libraries, dataset, and perform Exploratory Data Analysis. - Perform data visualization using Seaborn, Plotly and Word Cloud. - Standardize the data and split them into train and test datasets.   - Build, train and evaluate XG-Boost, Random Forest, Decision Tree, and Multiple Linear Regression Models Using Scikit-Learn. - Assess the performance of regression models using various Key Performance Indicators (KPIs). 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

  • Artificial Intelligence (AI)
  • Python Programming
  • Machine Learning
  • regression

Будете учиться пошагово

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

  1. Understand the problem statement and business case

  2. Import libraries/datasets and perform Exploratory Data Analysis

  3. Perform Data Visualization - Part #1

  4. Perform Data Visualization - Part #2

  5. Prepare the data before model training

  6. Train and Evaluate a Multiple Linear Regression model

  7. Train and Evaluate a Decision Tree and a Random Forest models

  8. Understand the Theory and Intuition Behind XG-Boost Algorithm

  9. Train and Evaluate a XG-Boost model

  10. Compare models and calculate Regression KPIs

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 XG-BOOST 101: USED CARS PRICE PREDICTION

Посмотреть все отзывы

Часто задаваемые вопросы

Часто задаваемые вопросы

Остались вопросы? Посетите Центр поддержки учащихся.