Diabetes Prediction With Pyspark MLLIB

4.5
étoiles
11 évaluations
Offert par
Coursera Project Network
Dans ce Projet Guidé, vous :

Learn to Build and Train Logistic Regression Classifier using Pyspark MLLIB

Learn to set up Pyspark on the Google Colab Environment

Learn to work with Pyspark Dataframe

Clock1.5 hours
IntermediateIntermédiaire
CloudAucun téléchargement requis
VideoVidéo en écran partagé
Comment DotsAnglais
LaptopOrdinateur de bureau uniquement

In this 1 hour long project-based course, you will learn to build a logistic regression model using Pyspark MLLIB to classify patients as either diabetic or non-diabetic. We will use the popular Pima Indian Diabetes data set. Our goal is to use a simple logistic regression classifier from the pyspark Machine learning library for diabetes classification. We will be carrying out the entire project on the Google Colab environment with the installation of Pyspark.You will need a free Gmail account to complete this project. Please be aware of the fact that the dataset and the model in this project, can not be used in the real-life. We are only using this data for the educational purpose. By the end of this project, you will be able to build the logistic regression classifier using Pyspark MLlib to classify between the diabetic and nondiabetic patients.You will also be able to setup and work with Pyspark on Google colab environment. Additionally, you will also be able to clean and prepare data for analysis. You should be familiar with the Python Programming language and you should have a theoretical understanding of the Logistic Regression algorithm. You will need a free Gmail account to complete this project. 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.

Les compétences que vous développerez

  • Data Science
  • Machine Learning
  • Python Programming
  • Google colab
  • PySpark

Apprendrez étape par étape

Votre enseignant(e) vous guidera étape par étape, grâce à une vidéo en écran partagé sur votre espace de travail :

  1. Introduction & Install Dependencies

  2. Clone and Explore Dataset

  3. Data Cleaning and Preparation

  4. Correlation analysis and Feature Selection

  5. Split Dataset and Build the Logistic Regression Model

  6. Evaluate and Save the model

  7. Model Prediction on a new set of unlabelled data

Comment fonctionnent les Projets Guidés

Votre espace de travail est un bureau cloud situé dans votre navigateur, aucun téléchargement n'est requis.

Votre enseignant(e) vous guide étape par étape dans une vidéo en écran partagé

Avis

Meilleurs avis pour DIABETES PREDICTION WITH PYSPARK MLLIB

Voir tous les avis

Foire Aux Questions

Foire Aux Questions

D'autres questions ? Visitez le Centre d'Aide pour les Étudiants.