Imbalanced-learn: modelos de ML con datos desequilibrados

提供方
Coursera Project Network
在此指导项目中,您将:

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初级
Cloud无需下载
Video分屏视频
Comment Dots西班牙语(Spanish)
Laptop仅限桌面

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.

您要培养的技能

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

分步进行学习

在与您的工作区一起在分屏中播放的视频中,您的授课教师将指导您完成每个步骤:

  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

指导项目工作原理

您的工作空间就是浏览器中的云桌面,无需下载

在分屏视频中,您的授课教师会为您提供分步指导

常见问题

常见问题

还有其他问题吗?请访问 学生帮助中心