O objetivo desse repositório é apresentar uma espécie de curso com tudo o que você precisa saber sobre o básico de Machine Learning usando Python e a Scikit-Learn. É esperado que você já tenha noções de programação com Python para melhor aproveitamento.
Aulas de Pré-Processamento de Dados
Índice
Tópico
Vídeo
1
Criando um Projeto de Machine Learning ; Preencher Dados Faltando em sua Base de Dados
2
Definindo Variáveis Categóricas usando One Hot Encoding ; Separação de Amostras em Teste e Treino
3
Normalização de Dados
Aulas de Regressão
Índice
Tópico
Vídeo
4
Regressão Linear
5
Introdução à Regressão Linear Múltipla
6
Regressão Linear Múltipla com Backward Elimination
7
Regressão Polinomial
8
Regressão de Vetor Suporte
9
Regressão de Árvore de Decisão
10
Regressão Random Forest
11
Comparando Métodos de Regressão
Aulas de Classificação
Índice
Tópico
Vídeo
12
Regressão Logística
13
K-Vizinhos mais Próximos (K-NN)
14
Máquinas de Vetores Suporte (SVM)
15
Kernel de Máquinas de Vetores Suporte (SVM)
16
Naive Bayes
17
Árvores de Decisão
18
Random Forest
19
Framework para Métodos de Classificação usando Linhas de Comando ; k-Fold para Validação Cruzada
Lucas, eu não entendi porque está usando um offset na função preprocessData da classe ClassificationModel quando você usa o pre.fillMissingData, pois a pre.fillMissingData não acrescenta colunas ao conjunto de dados. Dessa forma a função não seria usada em colunas erradas se precisar preencher mais de uma coluna?
Não sei se mudou posteriormente, pois ainda estou na aula 20: