Imbalanced-learn: modelos de ML con datos desequilibrados

提供:
Coursera Project Network
このガイド付きプロジェクトでは、次のことを行います。

Aprender que son los datos desbalanceados

Aplicar técnicas de under-sampling y over-sampling

Conocer las técnicas para tratar con datos desbalanceados

Clock2 horas
Beginner初級
Cloudダウンロード不要
Video分割画面ビデオ
Comment Dotsスペイン語
Laptopデスクトップのみ

Este proyecto es un curso práctico y efectivo para aprender que es el desbalanceo de clases en Machine leraning y como tratarlo. Aprenderemos las técnicas más avanzadas para trabajar con datos desbalanceados como: bSMOTE, ADASYN, SMOTEEN, etc. También aprenderemos a generar modelos capaces de trabajar con datos desbalanceados. Una gran parte de los problemas de clasificación utilizan datos debalanceadas. Si no se tratan estos casos estaremos generando modelos que no estén funcionando correctamente, pese a que a priori parezca que si. Por eso, en este curso aprenderemos a como tratar este tipo de datos.

あなたが開発するスキル

  • ADASYN
  • SMOTE
  • Machine Learning
  • Python Programming
  • Imbalanced-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。

  1. Introducción al desbalanceo de clases

  2. Aplicando técnicas para trabajar con datos desbalanceados

  3. Balanceo aleatorio

  4. Under-sampling

  5. Over-sampling

  6. Over-sampling seguido de under-sampling

  7. Modelos para datos desbalanceados

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

よくある質問

よくある質問

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。