Predict Employee Turnover with scikit-learn

222 évaluations
Offert par
Coursera Project Network
6,222 déjà inscrits
Dans ce projet guidé, vous :

Apply decision trees and random forests with scikit-learn to classification problems

Interpret decision trees and random forest models using feature importances

Tune model hyperparamters to improve classification accuracy

Create interactive, GUI components in Jupyter notebooks using widgets

Clock2 hours
CloudAucun téléchargement requis
VideoVidéo en écran partagé
Comment DotsAnglais
LaptopOrdinateur de bureau uniquement

Welcome to this project-based course on Predicting Employee Turnover with Decision Trees and Random Forests using scikit-learn. In this project, you will use Python and scikit-learn to grow decision trees and random forests, and apply them to an important business problem. Additionally, you will learn to interpret decision trees and random forest models using feature importance plots. Leverage Jupyter widgets to build interactive controls, you can change the parameters of the models on the fly with graphical controls, and see the results in real time! This course runs on Coursera's hands-on project platform called Rhyme. On Rhyme, you do projects in a hands-on manner in your browser. You will get instant access to pre-configured cloud desktops containing all of the software and data you need for the project. Everything is already set up directly in your internet browser so you can just focus on learning. For this project, you’ll get instant access to a cloud desktop with Python, Jupyter, and scikit-learn pre-installed.

Les compétences que vous développerez

Decision TreeMachine LearningRandom ForestclassificationScikit-Learn

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 and Importing Libraries

  2. Exploratory Data Analysis

  3. Encode Categorical Features

  4. Visualize Class Imbalance

  5. Create Training and Test Sets

  6. Build a Decision Tree Classifier with Interactive Controls

  7. Build a Decision Tree Classifier with Interactive Controls (Continued)

  8. Build a Random Forest Classifier with Interactive Controls

  9. Feature Importance and Evaluation Metrics

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




Voir tous les avis

Foire Aux Questions

Foire Aux Questions

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