不平衡資料的機器學習

Contents

學習對資料進行過採樣（over-sample )和欠採樣( under-sample )、應用 SMOTE、集成方法( ensemble methods )和成本敏感型學習。

從這 11.5 小時的課程，你會學到

歡迎使用不平衡資料集進行機器學習。在本課程中，你將學習多種可用於不平衡資料集的技術，以提高機器學習模型的性能。

如果你現在正在處理不平衡的資料集並希望提高模型的性能，或者你只是想了解有關如何解決資料不平衡的更多資訊，本課程將向你展示如何解決。

我們將通過引人入勝的視訊教學逐步指導你，並教你有關使用不平衡資料集的所有知識。在這門綜合課程中，我們幾乎涵蓋了處理不平衡資料集的所有可用方法，討論了它們的邏輯、它們在 Python 中的實現、它們的優點和缺點，以及使用該技術時的注意事項。具體來說，你將學習：

完成課程時，你將能決定哪種技術適合你的資料集，和/或應用和比較不同方法在多個資料集上返回的性能改進。

這個全面的機器學習課程包括超過 50 場講座，涵蓋超過 10 個小時的視訊，所有主題都包括動手 Python 程式碼示例，你可以將其用作參考和練習，並在你自己的專案中重複使用。

此外，程式碼會定期更新，以跟上新趨勢和新 Python 程式庫的發布。

你還在等什麼？立即註冊，了解如何處理不平衡資料集並建構更好的機器學習模型。

Soledad Galli 資料科學家 ( 更多講師主講課程介紹 )

Soledad Galli是保險和金融領域的領先資料科學家。 Soledad 幫助金融和保險公司建立機器學習模型，以評估信用風險並防止欺詐。她在資料科學的工作讓她獲得資料科學和分析方面的 Data Leaders awards 2018 。

Soledad Galli 擁有生物學碩士學位、生物化學博士學位，並在倫敦大學學院和馬克斯普朗克研究所等知名機構擔任研究科學家 8 年以上的經驗。她在癌症研究和神經科學等不同領域有科學出版物，她的研究在許多場合被媒體報導過。

Soledad 還擁有布宜諾斯艾利斯大學生物化學教師 4 年以上的經驗，並曾在倫敦大學學院的研討會和教程中做出貢獻，並為多位理學碩士和博士學生提供指導。

在她的職業生涯中，她掌握了資料分析、程式設計和機器學習的技能，並幫助金融和保險公司建立機器學習模型，以評估信用風險並防止欺詐。她定期在倫敦的資料科學社群的資料科學會議分享知識，她希望通過部落格、文章、線上講座和課程等平台，觸及更廣的資料科學社群。

Soledad 熱衷於從資料中提取資訊並將其轉化為有意義的故事，幫助資料科學家擴大知識面，並幫助公司制定更好的資料驅動決策。

歡迎隨時在 LinkedIn 上與她聯繫。

點選這個✨優惠連結✨ ( NT390 起特價中 ) | Udemy 永久擁有課程 ( 在電腦瀏覽器登入，點選“優惠連結”後再回想要的課程介紹中點選“報名參加課程”即可取得）
Udemy 現在越來越多課程有中文字幕，請參考 Soft & Share 中文線上課程
手機上點選優惠連結看到的價格比電腦上看到的貴
＄代表當地貨幣, 如在台灣為 NT
點選”報名參加課程”有可能因瀏覽器 cookies 轉久一點或回報錯誤而無法連上，請稍等刷新或重新點選就會出現