Python 的不平衡分類大師班

Contents

處理機器學習中真實世界類不平衡的分步指南

從這 3 小時的課程，你會學到

在彌合一系列機器學習模型時，如何使用 SMOTE 等資料採樣演算法將訓練資料集轉換為不平衡資料集
成本敏感學習領域的演算法如何用於不平衡分類
如何使用 SVM 和決策樹等標準演算法的修改版本來考慮類權重
將預測機率轉譯為類別標籤( class labels )時如何調整臨界值
如何校準不適合使用機率框架的非線性演算法預測的機率
如何使用異常值檢測和異常檢測領域的演算法進行不平衡分類
如何在訓練期間使用已修改的修改合成演算法以考慮類別分佈( class distribution )
如何系統地完成一個不平衡的分類預測建模專案

要求

你需要在機器學習方面打下堅實的基礎
你需要紮實的 Python 基礎
熟悉分類問題將是理想的

課程說明

歡迎來到 Python 中的不平衡分類大師班。

分類預測建模是將標籤分配給示例的任務。不平衡分類是指樣本在類中的分佈不均等的分類任務。通常，類分佈嚴重偏斜，因此對於少數類別中的每個示例，多數類別可能有一百甚至一千個示例。實際的不平衡分類需要使用一套專門的技術、資料準備技術、學習演算法和性能指標。

讓我們看看你將在本課程中學到什麼 :

不平衡分類資料集的挑戰和直覺。
如何選擇適當的性能指標來評估不平衡分類的模型。
如何在拆分為訓練集和測試集以及使用 k 折交叉驗證( k-fold cross-validation )時對不平衡的資料集進行適當的分層( stratify )。
在擬合一系列標準機器學習模型時，如何使用 SMOTE 等資料採樣算法將訓練資料集轉換為不平衡資料集。
成本敏感學習領域的演算法如何用於不平衡分類。
如何使用 SVM 和決策樹等標準演算法的修改版本來考慮類權重。
在將預測概率解釋為類別標籤時如何調整臨界值。
如何校準不適合使用機率框架的非線性演算法預測的機率。
如何使用異常值檢測和異常檢測領域的演算法進行不平衡分類。
如何使用修改後的合成演算法，以便在訓練期間考慮類別分佈。
如何系統地完成一個不平衡的分類預測建模專案。

本課程的創建是為了線性完成，從開始到結束。話雖如此，如果你了解基礎知識並在特定方法或問題類型方面需要幫助，那麼你可以直接跳到該部分並開始使用。本課程旨在讓你在筆記本電腦或台式機上、在螢幕上完成，而不是在平板電腦上完成。

我希望你在你的編輯器旁邊打開課程並在你閱讀示例時運行示例。本課程不打算被動完成或作為參考文本放置在檔案夾中。它是一本劇本、工作手冊和指南，旨在讓你邊做邊學，然後將你的新理解應用到工作 Python 示例中。為了充分利用課程，我建議你使用每個教程中的。對這些示例做擴展、分解與修復。

感謝你對 Python 中的不平衡分類大師班感興趣。

現在讓我們開始吧！

目標受眾

如果你正在學習成為一名機器學習工程師，那麼本課程適合你。
如果你是機器學習工程師，那麼本課程適合你。
如果你正轉職到機器學習的資料科學家，那麼本課程適合你。

講師簡介

Mike West LogikBot 的創始人

我是 LogikBot 的創始人。我曾在 Microsoft 和 Uber 工作過。我幫助設計了 Microsoft 的資料科學認證課程。如果你對機器學習感興趣，我可以提供幫助。

我從事資料庫工作已有二十多年了。作為全職員工或顧問，我曾為 50 多家不同的公司工作或諮詢過。財富 500 強以及幾家中小型公司。其中包括：Georgia Pacific、SunTrust、Reed Construction Data、Building Systems Design、NetCertainty、The Home Shopping Network、SwingVote、Atlanta Gas and Light 和 Northrup Grumman。

在過去的五年裡，我已經過渡到了令人興奮的應用機器學習世界。我很高興向你展示我所學到的知識，並幫助你進入該領域中最重要的領域之一。

經驗、教育和熱情

我幾乎每天都學到一些東西。我和非常聰明的人一起工作。我是 SQL Server 的所有事物的狂熱學習者，並且熱衷於分享我所學到的知識。我專注的領域是性能調整。 SQL Server 就像一輛異國情調的跑車，它在任何人的手中都可以正常運行，但如果放在熟練的調校師手中，它就會像賽車一樣運行。

認證

證書就像大學學位，是開始學習的一個很好的起點。我是 Microsoft 認證資料庫管理員 (MCDBA)、Microsoft 認證系統工程師 (MCSE) 和 Microsoft 認證培訓師 (MCT)。

個人的

我出生在俄亥俄州，在賓夕法尼亞州長大並接受教育，目前與妻子和兩個孩子住在亞特蘭大。