Predict Employee Turnover with scikit-learn
Apply decision trees and random forests with scikit-learn to classification problems
Interpret decision trees and random forest models using feature importances
Tune model hyperparamters to improve classification accuracy
Create interactive, GUI components in Jupyter notebooks using widgets
Welcome to this project-based course on Predicting Employee Turnover with Decision Trees and Random Forests using scikit-learn. In this project, you will use Python and scikit-learn to grow decision trees and random forests, and apply them to an important business problem. Additionally, you will learn to interpret decision trees and random forest models using feature importance plots. Leverage Jupyter widgets to build interactive controls, you can change the parameters of the models on the fly with graphical controls, and see the results in real time! 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, and scikit-learn pre-installed.
あなたが開発するスキル
- Decision Tree
- Machine Learning
- Random Forest
- classification
- Scikit-Learn
ステップバイステップで学習します
ワークエリアを使用した分割画面で再生するビデオでは、講師がこれらの手順を説明します。
Introduction and Importing Libraries
Exploratory Data Analysis
Encode Categorical Features
Visualize Class Imbalance
Create Training and Test Sets
Build a Decision Tree Classifier with Interactive Controls
Build a Decision Tree Classifier with Interactive Controls (Continued)
Build a Random Forest Classifier with Interactive Controls
Feature Importance and Evaluation Metrics
ガイド付きプロジェクトの仕組み
ワークスペースは、ブラウザに完全にロードされたクラウドデスクトップですので、ダウンロードは不要です
分割画面のビデオで、講師が手順ごとにガイドします
レビュー
PREDICT EMPLOYEE TURNOVER WITH SCIKIT-LEARN からの人気レビュー
Good practical overview of decision tree and random forest model with Python. The interface for code typing is a bit difficult to navigate with some lag time; hence -1 star in the review.
I am glad to have taken this course. I came across some unknown features of Pandas (profile), sklearn library. New python libraries like yellowbrick.
I was looking for Elaborated explanation of the project and implement it to clear the concept. This course did explain it all.
Doing hands on project on Rhyme was very helpful as we could listen to the instructions and learn and type it ourselves.
よくある質問
よくある質問
ガイド付きプロジェクトを購入すると何を行えるようになりますか？
ガイド付きプロジェクトはデスクトップとモバイル機器で利用できますか？
ガイド付きプロジェクトの講師にはどのような方がいらっしゃいますか？
完成したガイド付きプロジェクトから成果物をダウンロードできますか？
返金ポリシーについて教えてください。
学資援助はありますか？
ガイド付きプロジェクトを監査して、ビデオ部分を無料で見ることはできますか？
このガイド付きプロジェクトを行うにはどれくらいの経験が必要ですか？
特別なソフトウェアをインストールせずに、Webブラウザでこのガイド付きプロジェクトを完了できますか？
ガイド付きプロジェクトでの学習体験はどのようなものでしょうか？
さらに質問がある場合は、受講者ヘルプセンターにアクセスしてください。
Coursera Footer
