Logistic Regression 101: US Household Income Classification
Understand the theory and intuition behind Logistic Regression and XGBoost models.
Build and train Logistic Regression and XGBoost models to classify the Income Bracket of US Household.
Assess the performance of trained model and ensure its generalization using various KPIs such as accuracy, precision and recall.
In this hands-on project, we will train Logistic Regression and XG-Boost models to predict whether a particular person earns less than 50,000 US Dollars or more than 50,000 US Dollars annually. This data was obtained from U.S. Census database and consists of features like occupation, age, native country, capital gain, education, and work class. By the end of this project, you will be able to: - Understand the theory and intuition behind Logistic Regression and XG-Boost models - Import key Python libraries, dataset, and perform Exploratory Data Analysis like removing missing values, replacing characters, etc. - Perform data visualization using Seaborn. - Prepare the data to increase the predictive power of Machine Learning models by One-Hot Encoding, Label Encoding, and Train/Test Split - Build and train Logistic Regression and XG-Boost models to classify the Income Bracket of U.S. Household. - Assess the performance of trained model and ensure its generalization using various KPIs such as accuracy, precision and recall. 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.
Habilidades que você desenvolverá
- Deep Learning
- Machine Learning
- Python Programming
- Artificial Intelligene(AI)
- classification
Aprender passo a passo
Em um vídeo reproduzido em uma tela dividida com a área de trabalho, seu instrutor o orientará sobre esses passos:
Understand the problem statement and business case
Import Datasets and Libraries
Exploratory Data Analysis
Perform Data Visualization
Prepare the data to feed the model
Understand the Problem Statement and Business Case
Build and assess the performance of Logistic Regression models
Build and assess the performance of XG-Boost model
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
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 estudante.
Coursera Footer
