XG-Boost 101: Used Cars Price Prediction

4.6
étoiles
17 évaluations
Offert par
Coursera Project Network
Dans ce Projet Guidé, vous :

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.

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

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.

Les compétences que vous développerez

  • Artificial Intelligence (AI)
  • Python Programming
  • Machine Learning
  • regression

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. 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

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 XG-BOOST 101: USED CARS PRICE PREDICTION

Voir tous les avis

Foire Aux Questions

Foire Aux Questions

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