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.
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:
ROC/AUC Plots
Classification Report and Confusion Matrix
Cross-validation Scores
Evaluating Class Balance
Discrimination Threshold for Logistic Regression
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 EVALUATE MACHINE LEARNING MODELS WITH YELLOWBRICK
It was great overall. But you need to fix the audio issues in some of the tasks.
Perguntas Frequentes – FAQ
Perguntas Frequentes – FAQ
O que eu receberei se comprar um Projeto guiado?
Os Projetos Guiados estão disponíveis para desktop e 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 aprendizagem com Projetos guiados?
Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.
Coursera Footer
