Statistical Data Visualization with Seaborn From UST

4.6
별점

178개의 평가

제공자:

9,831명이 이미 등록했습니다.

학습자는 이 무료 안내 프로젝트에서 다음을 수행하게 됩니다.

Produce and customize various chart types with Seaborn

Apply feature selection and feature extraction methods with scikit-learn

Build a boosted decision tree classifier with XGBoost

인터뷰에서 이 안내형 체험 보여주기

1.5 hours
중급
다운로드 필요 없음
분할 화면 동영상
영어
데스크톱 전용

Welcome to this Guided Project on Statistical Data Visualization with Seaborn, From UST. For more than 20 years, UST has worked side by side with the world’s best companies to make a real impact through transformation. Powered by technology, inspired by people and led by their purpose, they partner with clients from design to operation. With this Guided Project from UST, you can quickly build in-demand job skills and expand your career opportunities in the Data Science field. Producing visualizations is an important first step in exploring and analyzing real-world data sets. As such, visualization is an indispensable method in any data scientist's toolbox as well as a powerful tool to identify problems in analyses and for illustrating results. In this project, we will employ the statistical data visualization library, Seaborn, to discover and explore the relationships in the Breast Cancer Wisconsin (Diagnostic) data set. Using the exploratory data analysis (EDA) results from the Breast Cancer Diagnosis – Exploratory Data Analysis Guided Project, you will practice dropping correlated features, implement feature selection and utilize several feature extraction methods including; feature selection with correlation, univariate feature selection, recursive feature elimination, principal component analysis (PCA) and tree based feature selection methods. Lastly, we will build a boosted decision tree classifier with XGBoost to classify tumors as either malignant or benign. By the end of this Guided Project, you should feel more confident about working with data, creating visualizations for data analysis, and have practiced several methods which apply to a Data Scientist’s role. Let's get started!

요구 사항

Some experience in the basic programming commands of Python and a general understanding of machine learning.

개발할 기술

  • Data Science

  • Machine Learning

  • Python Programming

  • Seaborn

  • Data Visualization (DataViz)

단계별 학습

작업 영역이 있는 분할 화면으로 재생되는 동영상에서 강사는 다음을 단계별로 안내합니다.

  1. Project Overview

  2. Importing Libraries and Data

  3. Dropping Correlated Columns from Feature List

  4. Classification using XGBoost (minimal feature selection)

  5. Univariate Feature Selection

  6. Recursive Feature Elimination with Cross-Validation

  7. Plot CV Scores vs Number of Features Selected

  8. Feature Extraction using Principal Component Analysis

안내형 프로젝트 진행 방식

작업 영역은 브라우저에 바로 로드되는 클라우드 데스크톱으로, 다운로드할 필요가 없습니다.

분할 화면 동영상에서 강사가 프로젝트를 단계별로 안내해 줍니다.

검토

STATISTICAL DATA VISUALIZATION WITH SEABORN FROM UST의 최상위 리뷰

모든 리뷰 보기

자주 묻는 질문

귀하의 작업 영역에는 노트북이나 데스크톱 컴퓨터에 맞게 용량이 지정된 클라우드 데스크톱이 포함되어 있으므로 모바일 기기에서는 안내 프로젝트를 이용할 수 없습니다.

안내 프로젝트 강사는 해당 주제의 전문가로서, 해당 프로젝트 영역이나 도구, 기술에 대한 경험이 풍부하며 전 세계 수백만 명의 학습자와 지식을 적극적으로 공유합니다.

안내 프로젝트에서 생성된 파일은 모두 다운로드하고 보관할 수 있습니다. 클라우드 데스크톱에 접속한 상태에서 '파일 브라우저'를 사용하여 파일을 다운로드할 수 있습니다.

페이지 상단에서 이 안내 프로젝트에 대한 경험 수준을 누르면 우선적으로 알아야 하는 지식을 확인할 수 있습니다. 안내 프로젝트의 단계마다 강사가 차례대로 안내해 드립니다.

네, 브라우저를 통해 이용할 수 있는 클라우드 데스크톱에서 안내 프로젝트 완료에 필요한 모든 것을 이용할 수 있습니다.

브라우저의 분할 화면 환경에서 바로 작업을 완료하여 학습할 수 있습니다. 화면 왼쪽에 있는 작업 영역에서 작업을 완료할 수 있습니다. 화면 오른쪽에서는 강사의 단계별 프로젝트 안내를 볼 수 있습니다.