Sinnvolle prädiktive Modellierung Das Universitätsnetzwerk

Beschreibung

Dieser Kurs hilft uns, die Modelle zu bewerten und zu vergleichen, die wir in früheren Kursen entwickelt haben. Bisher haben wir Techniken zur Regression und Klassifizierung entwickelt, aber wie gering sollte der Fehler eines Klassifizierers (zum Beispiel) sein, bevor wir entscheiden, dass der Klassifizierer „gut genug“ ist? Oder wie entscheiden wir, welcher von zwei Regressionsalgorithmen besser ist?

Am Ende dieses Kurses sind Sie mit Diagnosetechniken vertraut, mit denen Sie Klassifizierer bewerten und vergleichen können, sowie mit Leistungsmaßstäben, die in verschiedenen Regressions- und Klassifizierungsszenarien verwendet werden können. Wir werden auch die Trainings- / Validierungs- / Test-Pipeline untersuchen, mit der sichergestellt werden kann, dass die von Ihnen entwickelten Modelle gut auf neue (oder „unsichtbare“) Daten verallgemeinert werden können.