数据不平衡的机器学习 ( Machine Learning with Imbalanced Data )

课程描述

使用不平衡数据进行机器学习是一门关于不平衡数据处理技术和提高机器学习模型效率的培训课程。如果您当前正在处理不平衡的数据集并希望提高模型的性能，或者您想学习帮助您处理数据不平衡的技术，那么本课程适合您。我们通过有趣的教学视频逐步教您处理不平衡数据集所需的一切。在这个综合课程中，我们将教授处理不平衡数据集的所有可用方法，并讨论它们的工作逻辑、如何在 Python 中使用它们以及它们的优缺点。

您将在“不平衡数据机器学习”课程中学到什么：

• 随机欠采样方法
• “低采样”方法侧重于难以分类的观察结果。
• 低抽样方法增加少数观察的数量
• 构建虚拟数据以增加少数类示例的方法
• SMOTE 及其变量
• 使用带有采样技术的组方法来提高模型效率
• 用于不平衡数据集的最佳评估标准

课程规格

出版商：Udemy 讲师：Soledad Galli 语言：英语水平：平均课程：129 持续时间：11 小时 24 分钟

2022/6 的不平衡数据机器学习

课程先决条件：

图片

样片

媒体错误：格式不受支持或来源未找到

安装指南

在 Extract 之后，用您最喜欢的播放器观看。
英文字幕
质量：720
变化：
2022/3版本相比2021/1增加了25节课的课时和2小时57分钟的时长。