XG-Boost 101: Used Cars Price Prediction

4.7
estrellas

24 calificaciones

ofrecido por
En este proyecto guiado, tú:

Understand the theory and intuition behind XG-Boost Algorithm.

Build, train and evaluate XG-Boost, Random Forest, Decision Tree, and Multiple Linear Regression Models Using Scikit-Learn.

Assess the performance of trained regression models using various Key performance indicators.

2 hours
Intermedio
No se necesita descarga
Video de pantalla dividida
Inglés (English)
Solo escritorio

In this hands-on project, we will train 3 Machine Learning algorithms namely Multiple Linear Regression, Random Forest Regression, and XG-Boost to predict used cars prices. This project can be used by car dealerships to predict used car prices and understand the key factors that contribute to used car prices. By the end of this project, you will be able to: - Understand the applications of Artificial Intelligence and Machine Learning techniques in the banking industry - Understand the theory and intuition behind XG-Boost Algorithm - Import key Python libraries, dataset, and perform Exploratory Data Analysis. - Perform data visualization using Seaborn, Plotly and Word Cloud. - Standardize the data and split them into train and test datasets.   - Build, train and evaluate XG-Boost, Random Forest, Decision Tree, and Multiple Linear Regression Models Using Scikit-Learn. - Assess the performance of regression models using various Key Performance Indicators (KPIs). Note: This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.

Habilidades que desarrollarás

  • Artificial Intelligence (AI)

  • Python Programming

  • Machine Learning

  • regression

Aprende paso a paso

En un video que se reproduce en una pantalla dividida con tu área de trabajo, tu instructor te guiará en cada paso:

  1. Understand the problem statement and business case

  2. Import libraries/datasets and perform Exploratory Data Analysis

  3. Perform Data Visualization - Part #1

  4. Perform Data Visualization - Part #2

  5. Prepare the data before model training

  6. Train and Evaluate a Multiple Linear Regression model

  7. Train and Evaluate a Decision Tree and a Random Forest models

  8. Understand the Theory and Intuition Behind XG-Boost Algorithm

  9. Train and Evaluate a XG-Boost model

  10. Compare models and calculate Regression KPIs

Cómo funcionan los proyectos guiados

Tu espacio de trabajo es un escritorio virtual directamente en tu navegador, no requiere descarga.

En un video de pantalla dividida, tu instructor te guía paso a paso

Reseñas

Principales reseñas sobre XG-BOOST 101: USED CARS PRICE PREDICTION

Ver todas las reseñas

Preguntas Frecuentes

Al comprar un proyecto guiado, obtendrás todo lo que necesitas para completarlo, incluido el acceso a un espacio de trabajo de escritorio en la nube a través de tu navegador web que contiene los archivos y el software que necesitas para comenzar, además de instrucciones de video paso a paso de un experto en la materia.

Dado que tu espacio de trabajo contiene un escritorio en la nube del tamaño de una computadora portátil o computadora de escritorio, los proyectos guiados no están disponibles en tu dispositivo móvil.

Los instructores de proyectos guiados son expertos en la materia que tienen experiencia en habilidades, herramientas o dominios de su proyecto y les apasiona compartir sus conocimientos para impactar a millones de estudiantes en todo el mundo.

Puedes descargar y conservar cualquiera de tus archivos creados del proyecto guiado. Para hacerlo, puedes usar la función 'Explorador de archivos' mientras accedes a tu escritorio en la nube.

Los proyectos guiados no son elegibles para reembolsos. Ver nuestra política de reembolso completo.

La ayuda financiera no está disponible para proyectos guiados.

El acceso como oyente no está disponible para los proyectos guiados.

En la parte superior de la página, puedes presionar en el nivel de experiencia de este proyecto guiado para ver los requisitos de conocimientos previos. En cada nivel del proyecto guiado, tu instructor te orientará paso a paso.

Sí, todo lo que necesitas para completar tu proyecto guiado estará disponible en un escritorio en la nube que estará disponible en tu navegador.

Aprenderás completando tareas en un entorno de pantalla dividida directamente en tu navegador. En el lado izquierdo de la pantalla, completarás la tarea en tu espacio de trabajo. En el lado derecho de la pantalla, verás a un instructor guiarte a través del proyecto, paso a paso.