Support Vector Machines in Python, From Start to Finish
Import data into, and manipulating a pandas dataframe
Format the data for a support vector machine, including One-Hot Encoding and missing data.
Optimize parameters for the radial basis function and classification
Build, evaluate, draw and interpret a support vector machine
In this lesson we will built this Support Vector Machine for classification using scikit-learn and the Radial Basis Function (RBF) Kernel. Our training data set contains continuous and categorical data from the UCI Machine Learning Repository to predict whether or not a patient has heart disease. 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 (e.g. Python, Jupyter, and Tensorflow) pre-installed. Prerequisites: In order to be successful in this project, you should be familiar with programming in Python and the concepts behind Support Vector Machines, the Radial Basis Function, Regularization, Cross Validation and Confusion Matrices. 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.
あなたが開発するスキル
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。
Task 1: Import the modules that will do all the work
Task 2: Import the data
Task 3: Missing Data Part 1: Identifying Missing Data
Task 4: Missing Data Part 2: Dealing With Missing Data
Task 5: Format Data Part 1: Split the Data into Dependent and Independent Variables
Task 6: Format the Data Part 2: One-Hot Encoding
Task 7: Format the Data Part 3: Centering and Scaling
Task 8: Build A Preliminary Support Vector Machine
Task 9: Optimize Parameters with Cross Validation
Task 10: Building, Evaluating, Drawing, and Interpreting the Final Support Vector Machine
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
SUPPORT VECTOR MACHINES IN PYTHON, FROM START TO FINISH からの人気レビュー
It was amazing lecture and teach special with SVM in Python I did learn a lot from him via his tasked. I will download his videos all each tasked have a part of explanation.
This is a very good course to start with SVM.I now know the basic coding for SVM. Thank You sir.
Great Course. Designed nicely, easy to understand. Now i know how to use SVM.
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を購入することによって、ガイド付きプロジェクトを完了するために必要なものすべてが得られます。これには、開始する必要のあるファイルとソフトウェアを含むWebブラウザを介したクラウドデスクトップワークスペースへのアクセスの他、専門家によるステップバイステップのビデオ講座が含まれます。
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？
ワークスペースにはラップトップまたはデスクトップコンピューターに適したサイズのクラウドデスクトップが含まれているため、モバイル機器ではガイド付きプロジェクトを使用できません。
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？
ガイド付きプロジェクトの講師は、プロジェクトのスキル、ツール、またはその分野での経験があり、知識を共有して世界中の何百万人もの受講生に影響を与えるたことに情熱を持つ専門家です。
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？
ガイド付きプロジェクトから作成したファイルをダウンロードして保持できます。そのためには、クラウドデスクトップにアクセスしているときに「ファイルブラウザ」機能を使用できます。
返金ポリシーについて教えてください。
ガイド付きプロジェクトは払い戻しの対象外です。すべての返金ポリシーを表示する。
学資援助はありますか？
ガイド付きプロジェクトには学費援助が利用できません。
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？
ガイド付きプロジェクトでは監査を使用できません。
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？
ページの上部で、このガイド付きプロジェクトの経験レベルを押して、知識の前提条件を表示できます。ガイド付きプロジェクトのすべてのレベルで、インストラクターがステップバイステップでご案内します。
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？
はい。ガイド付きプロジェクトを完了するために必要なものはすべて、ブラウザで利用可能なクラウドデスクトップで利用できます。
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？
分割画面環境でタスクをブラウザで直接完了することで学習できます。画面の左側で、ワークスペースでタスクを完了します。画面の右側で、講師がプロジェクトをステップごとにガイドします。
さらに質問がある場合は、受講者向けヘルプセンターにアクセスしてください。
