Predictive Modeling erfolgreich evaluieren Das Universitätsnetzwerk

Beschreibung

Eine Vorhersageübung wird nicht beendet, wenn ein Modell erstellt wird. In diesem Kurs erwerben Sie wichtige Kenntnisse zum Verständnis der Leistungsbewertungsmetriken mithilfe von Python, um festzustellen, ob ein Modell eine angemessene Leistung erbringt. Im Einzelnen lernen Sie Folgendes: Geeignete Maßnahmen zur Bewertung von Vorhersagemodellen Verfahren, mit denen sichergestellt wird, dass Modelle nicht betrügen, z. B. durch Überanpassung oder Vorhersage falscher Verteilungen. Die Art und Weise, wie verschiedene Modellbewertungskriterien ein Modell gegenüber einem anderen Modell übertreffen und wie man erkennt, wann bestimmte Kriterien zu verwenden sind Dies ist die Grundlage für die Optimierung erfolgreicher Vorhersagemodelle. Die Konzepte werden in einer umfassenden Fallstudie zusammengefasst, die sich mit der Kundenabwanderung befasst. Sie müssen geeignete Variablen auswählen, um vorherzusagen, ob ein Kunde einen Telekommunikationsanbieter verlässt, indem Sie dessen Verhalten untersuchen, verschiedene Modelle erstellen und diese anhand der entsprechenden Bewertungskriterien bewerten.