Hướng Dẫn Train Mô Hình Máy Học Scikit Learn - Kaggle Project Titanic (Phần 4)

Hướng Dẫn Train Mô Hình Máy Học Scikit Learn - Kaggle Project Titanic (Phần 4) Trong video này, chúng mình sẽ cùng nhau tìm hiểu cách sử dụng Scikit Learn để xây dựng và đào tạo (train) mô hình machine learning (ML) cho project Titanic của Kaggle với các thuật toán ML phổ biến như Logistic Regression, Decision Tree, Linear SVM, Random Forest và XGBoost. Đặc biệt hơn nữa, mình muốn giới thiệu tới các bạn các thủ thuật để tạo kết quả baseline của các model bằng phương thức Train Test Split và K-fold Cross-Validation. Hi vọng video này sẽ giúp ích được các bạn! [0:00] Giới thiệu về Project Kaggle Titanic [4:15] Hướng dẫn về Train Test Split của scikit-learn [9:15] Hướng dẫn train mô hình Logistic Regression [15:00] Hướng dẫn train mô hình Linear với Polynomial Features [18:10] Hướng dẫn train mô hình Decision Tree [22:00] Hướng dẫn về Cross-Validation (K-fold) [29:00] Hướng dẫn train Baseline Models Những tài liệu liên quan tới video: - Jupyter Notebook: https://github.com/CodexploreRepo/advanced-machine-learning/blob/main/Project/Kaggle_Titanic/Titanic_Kaggle_Part_4_Model_Training.ipynb - Choose the right estimator (sklearn): https://scikit-learn.org/stable/tutorial/machine_learning_map/index.html - Kaggle Titanic - Machine Learning from Disaster: https://www.kaggle.com/c/titanic Theo dõi CodeXplore tại: - Facebook fanpage: https://www.facebook.com/codexplore.official/ - Github: https://github.com/CodexploreRepo - Instagram: https://www.instagram.com/codexplore.official/ Group Hỏi Đáp: https://www.facebook.com/groups/204281000722812 #modeltraining #sklearn #crossvalidation