Classification Trees in Python, From Start To Finish
Create Classification Trees in Python
Apply Cost Complexity Pruning in Python
Apply Cross Validation in Python
Create Confusion Matrices in Python
In this 1-hour long project-based course, you will learn how to build Classification Trees in Python, using a real world dataset that has missing data and categorical data that must be transformed with One-Hot Encoding. We then use Cost Complexity Pruning and Cross Validation to build a tree that is not overfit to the Training Dataset. 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 (e.g. Python, Jupyter, and Tensorflow) pre-installed. Prerequisites: In order to be successful in this project, you should be familiar with Python and the theory behind Decision Trees, Cost Complexity Pruning, Cross Validation and Confusion Matrices. Notes: - 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.
Habilidades que você desenvolverá
Aprender passo a passo
Em um vídeo reproduzido em uma tela dividida com a área de trabalho, seu instrutor o orientará sobre esses passos:
Task 1: Import the modules that will do all the work
Task 2: Import the data
Task 3: Missing Data Part 1: Identifying Missing Data
Task 4: Missing Data Part 2: Dealing With Missing Data
Task 5: Format Data Part 1: Split the Data into Dependent and Independent Variables
Task 6: Format the Data Part 2: One-Hot Encoding
Task 7: Build A Preliminary Classification Tree
Task 8: Cost Complexity Pruning Part 1: Visualize alpha
Task 9: Cost Complexity Pruning Part 2: Cross Validation For Finding the Best Alpha
Task 10: Building, Evaluating, Drawing, and Interpreting the Final Classification Tree
Como funcionam os projetos guiados
Sua área de trabalho é um espaço em nuvem, acessado diretamente do navegador, sem necessidade de nenhum download
Em um vídeo de tela dividida, seu instrutor te orientará passo a passo
Avaliações
Principais avaliações do CLASSIFICATION TREES IN PYTHON, FROM START TO FINISH
Josh Starmer's videos and courses are always simple and easy to understand. Thank you for this wonderful course. I will definitely recommend everyone to take this course.
A very informative and well guided short session to understand overview of Classification Trees. Covers lot of important concepts in 1 hour. Highly recommend
Awesome Instructor! Like this course. It clears basic knowledge about DecisionTreeClassifier, Tree Pruning, Dealing with missing Data etc.
This is a great course. The instructor does a wonderful job of explaining concepts and providing useful code.
Perguntas Frequentes – FAQ
Perguntas Frequentes – FAQ
O que eu ganho se comprar projetos guiados?
Os projetos guiados estão disponíveis no computador e em dispositivos móveis?
Quem são os instrutores dos projetos guiados?
Posso baixar o trabalho do meu projeto guiado após completá-lo?
Como funciona a política de reembolso?Como funciona a política de reembolso?
Existe algum auxílio financeiro disponível?
Posso participar como ouvinte de um projeto guiado e assistir de graça a uma parte do vídeo?
Quanta experiência eu preciso ter para fazer esse projeto guiado?
Posso completar esse projeto guiado pelo meu navegador web em vez de instalar um software especial?
Como é a experiência de aprendizado com os projetos guiados?
Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.
Coursera Footer
