or
Deze oefening maakt deel uit van de cursus
In het eerste hoofdstuk van deze cursus voer je alle stappen voor voorbewerking uit die nodig zijn om een voorspellend machine learning-model te maken, waaronder wat je doet met missende waarden, uitschieters en hoe je je gegevensset normaliseert.
In het tweede hoofdstuk van deze cursus oefen je verschillende aspecten van supervised machine learning-technieken, zoals het selecteren van de optimale subset van features, regularisatie om overfitting te voorkomen, feature engineering en ensemblemodellen om de zogeheten bias-variance trade-off aan te pakken.
In het derde hoofdstuk van deze cursus gebruik je unsupervised learning om feature-extractie en visualisatietechnieken voor dimensiereductie toe te passen, en clusteringmethoden om niet alleen een geschikt clusteringalgoritme te kiezen, maar ook het optimale aantal clusters voor een gegevensset.
In het vierde en laatste hoofdstuk van deze cursus ga je echt een stap verder en pas je bootstrapping en cross-validatie toe om prestaties voor modelgeneralisatie te evalueren, resamplingtechnieken voor onevenwichtige klassen, detecteer en verwijder je multicollineariteit en bouw je een ensemblemodel.
Huidige oefening