Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Im Modul für logistische Regression
haben Sie gelernt, wie Sie die Sigmoidfunktion
zum Umwandeln der unbearbeiteten Modellausgabe in einen Wert zwischen 0 und 1, um probabilistische Werte zu erhalten
Vorhersagen – z. B. die Vorhersage, dass eine E-Mail mit einer Wahrscheinlichkeit von 75 %
dass es sich um Spam handelt. Was ist aber, wenn Sie nicht die Wahrscheinlichkeit, sondern eine Kategorie ausgeben möchten, z. B. die Vorhersage, ob eine bestimmte E-Mail „Spam“ oder „Kein Spam“ ist?
Klassifizierung ist
die Aufgabe, vorherzusagen, welche einer Reihe von Klassen
(Kategorien), zu denen ein Beispiel gehört. In diesem Modul erfahren Sie, wie Sie ein logistisches Regressionsmodell, das eine Wahrscheinlichkeit vorhersagt, in ein binäres Klassifizierungsmodell umwandeln, das eine von zwei Klassen vorhersagt. Außerdem erfahren Sie, wie Sie geeignete Messwerte auswählen und berechnen, um die Qualität der Vorhersagen eines Klassifizierungsmodells zu bewerten. Schließlich erhalten Sie eine kurze Einführung in
Klassifizierung mit mehreren Klassen
auf die später im Kurs ausführlicher eingegangen wird.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Benötigte Informationen nicht gefunden","missingTheInformationINeed","thumb-down"],["Zu umständlich/zu viele Schritte","tooComplicatedTooManySteps","thumb-down"],["Nicht mehr aktuell","outOfDate","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Problem mit Beispielen/Code","samplesCodeIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2024-10-22 (UTC)."],[[["This module focuses on converting logistic regression models into binary classification models for predicting categories instead of probabilities."],["You'll learn how to determine the optimal threshold for classification, calculate and select appropriate evaluation metrics, and interpret ROC and AUC."],["The module covers binary and provides an introduction to multi-class classification, building upon prior knowledge of machine learning, linear regression, and logistic regression."],["The content explores methods for evaluating the quality of classification model predictions and applying them to real-world scenarios."]]],[]]
