or
यह अभ्यास पाठ्यक्रम का हिस्सा है
इस चैप्टर में, आप क्लासिफिकेशन समस्याओं से परिचित होंगे और उन्हें supervised learning तकनीकों से हल करना सीखेंगे। आप डेटा को training और test सेट्स में बाँटना, मॉडल फिट करना, प्रेडिक्शन करना, और accuracy का मूल्यांकन करना सीखेंगे। आप मॉडल की जटिलता और परफॉर्मेंस के बीच के संबंध को समझेंगे, और जो सीखा है उसे एक churn डेटासेट पर लागू करेंगे, जहाँ आप एक टेलीकॉम कंपनी के ग्राहकों की churn स्थिति को क्लासिफ़ाई करेंगे।
इस चैप्टर में, आप regression से परिचित होंगे और advertising expenditure वाले डेटासेट का उपयोग करके sales values प्रेडिक्ट करने के लिए मॉडल बनाएँगे। आप linear regression की कार्यपद्धति और सामान्य परफॉर्मेंस मेट्रिक्स, जैसे R-squared और root mean squared error, के बारे में जानेंगे। आप k-fold cross-validation करेंगे, और overfitting के जोखिम को घटाने के लिए regression मॉडलों पर regularization लागू करेंगे।
मॉडल्स ट्रेन करने के बाद, अब आप उन्हें कैसे evaluate करना है, यह सीखेंगे। इस चैप्टर में, आप scikit-learn का उपयोग करके क्लासिफिकेशन मॉडल परफॉर्मेंस का विश्लेषण करने के लिए कई मेट्रिक्स और एक विज़ुअलाइज़ेशन तकनीक से परिचित होंगे। आप यह भी सीखेंगे कि हाइपरपैरामीटर ट्यूनिंग का उपयोग करके क्लासिफिकेशन और रिग्रेशन मॉडलों को कैसे ऑप्टिमाइज़ किया जाए।
सीखिए कि missing values को कैसे impute करें, categorical डेटा को numeric वैल्यूज़ में कैसे बदलें, डेटा को scale कैसे करें, एक साथ कई supervised learning मॉडलों का मूल्यांकन कैसे करें, और अपने workflow को streamline करने के लिए pipelines कैसे बनाएं!
वर्तमान अभ्यास