مطالب پیشنهادی از سراسر وب

آموزش طبقه بندی کاربردی با XGBoost

دسته بندی ها: آموزش یادگیری ماشینی (Machine Learning) ، آموزش هوش مصنوعی (AI) ، الگوریتم و فلوچارت ، آموزش های پلورال سایت (Pluralsight) ، آموزش ژوپیتر نوت بوک (Jupyter Notebook)

آیا شما متخصص داده ای هستید که به یک نمایش طبقه بندی end-to-end کامل از XGBoost و کتابخانه های پیرامون آن نیاز دارد؟ در این دوره، آموزش طبقه بندی کاربردی با XGBoost؛ شما با کتابخانه محبوب XGBoost، یک ابزار پیشرفته یادگیری ماشینی برای طبقه بندی و رگرسیون آشنا خواهید شد.

در ابتدا، زیربنای الگوریتم XGBoost را بررسی، یک مدل خط مبنا را مشاهده و درخت تصمیم گیری را مرور خواهید کرد. سپس، نحوه تقویت و تسریع کارها با بکارگیری دموهای Jupyter Notebook و همچنین مشاهده تحلیل مقدماتی داده های اکتشافی در عمل را کشف خواهید کرد.

در پایان، نحوه ایجاد، ارزیابی و تفسیر داده ها با استفاده از کتابخانه های شخص ثالث را یاد خواهید گرفت. شما از مجموعه داده های Iris یا Titanic استفاده نمی کنید، بلکه از داده های پژوهشی واقعی استفاده خواهید کرد!

با اتمام این دوره، شما قادر خواهید بود داده های خام را دریافت و آماده سازی کنید، یک طبقه بند (Classifier) را مدل سازی و در انتها عملکرد آنها را بررسی کنید. با استفاده از نوت بوک ارائه شده، می توانید دستگاه خود را دنبال کنید یا کد را مطابق با نیازهای خود دریافت و سازگار کنید.

بررسی اجمالی دوره

فایل های تمرین exercise files.zip
آیا این نوشته را دوست داشتید؟
Pluralsight Applied Classification with XGBoost Author:Matt Harrison Duration:2:02:26 Level:Intermediate

Are you a data professional who needs a complete, end-to-end classification demonstration of XGBoost and the libraries surrounding it? In this course, Applied Classification with XGBoost, you'll get introduced to the popular XGBoost library, an advanced ML tool for classification and regression. First, you'll explore the underpinnings of the XGBoost algorithm, see a base-line model, and review the decision tree. Next, you'll discover how boosting works using Jupyter Notebook demos, as well as see preliminary exploratory data analysis in action. Finally, you'll learn how to create, evaluate, and explain data using third party libraries. You won't be using the Iris or Titanic data-set, you'll use real survey data! By the end of this course, you'll be able to take raw data, prepare it, model a classifier, and explore the performance of it. Using the provided notebook, you can follow along on your own machine, or take and adapt the code to your needs.

پیشنهاد آموزش مرتبط در فرادرس