Chia Sẻ Khóa Học Feature Selection For Machine Learning [Khóa 7571 A]
Tìm hiểu các phương pháp filter, wrapper, và embedded, recursive feature elimination, exhaustive search, feature shuffling, v.v.
Bạn sẽ học được gì:
- ✓ Tìm hiểu về các phương pháp filter, embedded và wrapper cho feature selection.
- ✓ Tìm hiểu về các hybdrid method cho feature selection.
- ✓ Chọn các tính năng với Lasso và decision trees.
- ✓ Thực hiện các phương pháp feature selection khác nhau với Python.
- ✓ Tìm hiểu tại sao càng ít (feature) càng tốt.
- ✓ Giảm feature space trong tập dữ liệu.
- ✓ Xây dựng các mô hình học máy đơn giản hơn, nhanh hơn và đáng tin cậy hơn.
- ✓ Phân tích và hiểu các tính năng đã chọn.
- ✓ Khám phá các kỹ thuật feature selection được sử dụng trong các cuộc thi khoa học dữ liệu.
Chào mừng bạn đến với Feature Selection for Machine Learning, khóa học toàn diện nhất về feature selection có sẵn trực tuyến.
Trong khóa học này, bạn sẽ học cách chọn các biến trong tập dữ liệu của mình và xây dựng các mô hình machine learning đơn giản hơn, nhanh hơn, đáng tin cậy hơn và dễ hiểu hơn.
Khóa học này dành cho ai?
Bạn đã bước những bước đầu tiên vào khoa học dữ liệu, bạn biết các mô hình machine learning được sử dụng phổ biến nhất, có thể bạn đã xây dựng một số mô hình dựa trên cây quyết định hoặc hồi quy tuyến tính. Bạn đã quen thuộc với các kỹ thuật tiền xử lý dữ liệu như loại bỏ dữ liệu bị thiếu, chuyển đổi biến, mã hóa biến phân loại. Ở giai đoạn này, có lẽ bạn đã nhận ra rằng nhiều bộ dữ liệu chứa một số lượng lớn các feature và một số feature giống hệt nhau hoặc rất giống nhau, một số feature hoàn toàn không mang tính dự đoán và đối với một số feature khác thì khó nói hơn.
Bạn tự hỏi làm thế nào bạn có thể đi tìm các tính năng dự đoán nhất. Cái nào có thể giữ lại và cái nào bạn có thể làm mà không có? Bạn cũng tự hỏi làm thế nào để code các phương thức một cách chuyên nghiệp. Có thể bạn đã tìm kiếm trực tuyến và phát hiện ra rằng không có nhiều thông tin về feature selection. Vì vậy, bạn bắt đầu tự hỏi: mọi thứ thực sự được thực hiện như thế nào trong các công ty công nghệ?
Khóa học này sẽ giúp bạn! Đây là khóa học trực tuyến toàn diện nhất về variable selection. Bạn sẽ tìm hiểu rất nhiều quy trình feature selection được sử dụng trên toàn thế giới trong các tổ chức khác nhau và trong các cuộc thi khoa học dữ liệu, để chọn các feature dễ đoán nhất.
Bạn sẽ học cái gì?
Tôi đã tập hợp một bộ sưu tập tuyệt vời các kỹ thuật feature selection, dựa trên các bài báo khoa học, các cuộc thi khoa học dữ liệu và tất nhiên là kinh nghiệm của chính tôi với tư cách là một nhà khoa học dữ liệu.
Cụ thể, bạn sẽ học:
- ✓ Cách xóa các feature có phương sai thấp.
- ✓ Cách xác định các feature dư thừa.
- ✓ Cách chọn các feature dựa trên statistical tests.
- ✓ Cách chọn các statistical tests dựa trên những thay đổi về hiệu suất của mô hình.
- ✓ Cách tìm các predictive feature dựa trên tầm quan trọng do các mô hình quy cho.
- ✓ Cách code các procedure một cách trang nhã và chuyên nghiệp.
- ✓ Cách tận dụng sức mạnh của các thư viện Python hiện có cho feature selection.
Trong suốt khóa học, bạn sẽ học nhiều kỹ thuật cho từng tác vụ được đề cập và bạn sẽ học cách triển khai các kỹ thuật này một cách tinh tế, hiệu quả và chuyên nghiệp bằng cách sử dụng Python, Scikit-learning, pandas và mlxtend.
Khi kết thúc khóa học, bạn sẽ có nhiều công cụ để lựa chọn và so sánh các feature subset khác nhau, đồng thời xác định những tập hợp con mang lại mô hình học máy đơn giản nhất nhưng có tính dự đoán cao nhất. Điều này sẽ cho phép bạn giảm thiểu thời gian đưa các mô hình dự đoán của mình vào sản xuất.
Khóa học feature selection toàn diện này bao gồm khoảng 70 bài giảng kéo dài ~8 giờ video và TẤT CẢ các chủ đề bao gồm các ví dụ code Python thực hành mà bạn có thể sử dụng để tham khảo và thực hành cũng như sử dụng lại trong các dự án của riêng mình .
Ngoài ra, tôi cập nhật khóa học thường xuyên để theo kịp các bản phát hành mới của thư viện Python và bao gồm các kỹ thuật mới khi chúng xuất hiện.
Bạn đang chờ đợi điều gì? Hãy đăng ký ngay hôm nay, tận dụng sức mạnh của feature selection và xây dựng các mô hình machine learning đơn giản hơn, nhanh hơn và đáng tin cậy hơn.
Mục lục:
- ✓ 01. Giới thiệu.
- ✓ 02 - Feature Selection.
- ✓ 03 - Filter Methods - Basic.
- ✓ 04 - Filter methods - Correlation.
- ✓ 05 - Filter methods - Statistical measures.
- ✓ 06 - Filter Methods - Các phương pháp và số liệu khác.
- ✓ 07 - Wrapper methods.
- ✓ 08 - Embedded methods - Linear models.
- ✓ 09 - Embedded methods - Lasso regularisation.
- ✓ 10 - Embedded methods - Trees.
- ✓ 11 - Hybrid feature selection methods.
- ✓ 12 - Phần cuối - Các bước tiếp theo.
Khóa học này dành cho ai:
- ✓ Nhà khoa học dữ liệu mới bắt đầu muốn hiểu cách chọn biến cho machine learning.
- ✓ Các nhà khoa học dữ liệu trung cấp muốn nâng cao kinh nghiệm của họ trong feature selection cho machine learning.
- ✓ Các nhà khoa học dữ liệu nâng cao muốn khám phá các phương pháp thay thế cho feature selection.
- ✓ Các kỹ sư phần mềm và học giả chuyển đổi nghề nghiệp sang khoa học dữ liệu.
- ✓ Các kỹ sư phần mềm và học giả bước vào khoa học dữ liệu.
- ✓ Các nhà phân tích dữ liệu muốn nâng cao kỹ năng của họ trong khoa học dữ liệu.
NHẬN GET EBOOK TRÊN AMAZON THEO YÊU CẦU
