پروژه: مدل یادگیری ماشین تجمیعی – پیش‌بینی شدت ادعاهای بیمه‌ای All State

آنچه که در این پروژه یاد می‌گیرید:

• • • توضیحات دقیق در مورد کسب‌وکار و مشکلی که از طریق تجزیه و تحلیل داده‌ها حل می‌شود
    • بارگذاری داده‌ها با استفاده از پکیج معروف pandas در پایتون
    • بررسی اجمالی مجموعه داده‌ها و نحوه تحلیل نمونه‌ای از داده‌ها
    • تحلیل اکتشافی داده‌ها برای درک مجموعه داده‌های ادعای بیمه Allstate
    • بررسی خلاصه پنج نقطه‌ای و مطالعه توزیع داده‌ها برای متغیرهای دسته‌ای
    • پرداختن به مقادیر گمشده برای متغیرهای دسته‌ای و پیوسته
    • مواجهه با ناهنجاری‌ها با استفاده از تکنیک‌های بصری (Box-Plots)
    • تفاوت بین Label/One-Hot-Encoder و انتخاب تکنیک مناسب
    • استفاده از فرمت فایل Pickle برای ذخیره و بارگذاری مدل‌ها
    • انتخاب و حذف ویژگی‌ها با استفاده از همبستگی، واریانس ثابت و آزمون‌های آماری Chi-Square
    • آشنایی با الگوریتم‌های یادگیری ماشین تجمیعی
    • تنظیم‌ هایپرپارامترهای مدل با استفاده از توابع Sklearn
    • انتخاب مدل با استفاده از RMSE به عنوان معیاری برای ارزیابی مدل
    • استقرار مدل با ایجاد FlaskAPI