Dieser Kurs wird uns dabei helfen, die Modelle, die wir in frĂźheren Kursen entwickelt haben, zu bewerten und zu vergleichen. Bisher haben wir Techniken zur Regression und Klassifizierung entwickelt. Aber wie niedrig sollte der Fehler eines Klassifizierers sein (zum Beispiel), bevor wir entscheiden, dass der Klassifizierer "gut genug" ist? Oder wie entscheiden wir, welcher von zwei Regressionsalgorithmen besser ist? Am Ende dieses Kurses werden Sie mit Diagnosetechniken vertraut sein, die es Ihnen ermĂśglichen, Klassifikatoren zu bewerten und zu vergleichen, sowie mit LeistungsmaĂen, die in verschiedenen Regressions- und Klassifikationsszenarien verwendet werden kĂśnnen. AuĂerdem werden wir uns mit der Trainings-/Validierungs-/Test-Pipeline befassen, mit der Sie sicherstellen kĂśnnen, dass die von Ihnen entwickelten Modelle gut auf neue (oder "ungesehene") Daten generalisiert werden kĂśnnen.
Aussagekräftige prädiktive Modellierung
Dieser Kurs ist Teil von Spezialisierung Python-Datenprodukte fßr prädiktive Analysen
Dozenten: Julian McAuley
6.403 bereits angemeldet
Bei 
enthalten
(48Â Bewertungen)
Was Sie lernen werden
Die Definitionen einfacher Fehlermessungen (z.B. MSE, Genauigkeit, Präzision/Recall) verstehen.
Bewerten Sie die Leistung der Regressoren/Klassifikatoren anhand der oben genannten MaĂe.
Verstehen Sie den Unterschied zwischen Trainings-/Testleistung und Verallgemeinerbarkeit.
Verstehen Sie Techniken zur Vermeidung von Overfitting und zur Erzielung einer guten Generalisierungsleistung.
Kompetenzen, die Sie erwerben
- Kategorie: Verifizierung und Validierung
- Kategorie: Test Daten
- Kategorie: Verarbeitung natĂźrlicher Sprache
- Kategorie: DatenĂźberprĂźfung
- Kategorie: Regressionsanalyse
- Kategorie: Prädiktive Modellierung
- Kategorie: Python-Programmierung
- Kategorie: Statistische Methoden
- Kategorie: Klassifizierungs- und Regressionsbaum (CART)
- Kategorie: Scikit Learn (Bibliothek fĂźr Maschinelles Lernen)
- Kategorie: Text Mining
- Kategorie: Angewandtes maschinelles Lernen
- Kategorie: Ăberwachtes Lernen
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufĂźgen
10 Aufgaben
Erfahren Sie, wie Mitarbeiter fĂźhrender Unternehmen gefragte Kompetenzen erwerben.
Erweitern Sie Ihre Fachkenntnisse
- Lernen Sie neue Konzepte von Branchenexperten
- Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
- Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
- Erwerben Sie ein Berufszertifikat zur Vorlage
In diesem Kurs gibt es 4 Module
In dieser ersten Woche werden wir den Lehrplan durchgehen, alle Kursmaterialien herunterladen und Ihr System fĂźr den Kurs einrichten. Wir werden auch die Grundlagen der Diagnose der Ergebnisse des Ăźberwachten Lernens vorstellen.
Das ist alles enthalten
6 Videos4 LektĂźren3 Aufgaben2 Diskussionsthemen
Diese Woche werden wir lernen, wie man eine einfache Tasche mit WĂśrtern fĂźr die Analyse erstellt. Wir werden auch die Regularisierung behandeln und warum sie bei der Erstellung eines Modells wichtig ist. SchlieĂlich werden wir ein Modell mit Regularisierung bewerten und uns dabei auf Klassifikatoren konzentrieren.
Das ist alles enthalten
4 Videos4 Aufgaben
In dieser Woche lernen wir etwas Ăźber Validierung und wie man sie zusammen mit Training und Tests implementiert. AuĂerdem werden wir uns damit beschäftigen, wie man eine Regularisierungspipeline in Python implementiert und ein paar Richtlinien fĂźr bewährte Verfahren vorstellen.
Das ist alles enthalten
4 Videos3 Aufgaben
In der letzten Woche dieses Kurses werden Sie auf dem Projekt aus dem ersten und zweiten Kurs von Python Data Products for Predictive Analytics mit einfachen Algorithmen fßr prädiktives maschinelles Lernen weiter aufbauen. Finden Sie einen Datensatz, bereinigen Sie ihn und fßhren Sie grundlegende Analysen mit den Daten durch. Bewerten Sie Ihr Modell, validieren Sie Ihre Analysen und stellen Sie sicher, dass Sie die Daten nicht ßberanpassen.
Das ist alles enthalten
2 LektĂźren1 peer review1 Diskussionsthema
Erwerben Sie ein Karrierezertifikat.
FĂźgen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.
Dozenten
Mehr von Datenanalyse entdecken
Status: Kostenloser Testzeitraum
Status: Kostenloser TestzeitraumUniversity of Minnesota
Status: Kostenloser TestzeitraumWesleyan University
Status: Kostenloser TestzeitraumUniversity of Colorado Boulder
Warum entscheiden sich Menschen fĂźr Coursera fĂźr ihre Karriere?
Bewertungen von Lernenden
48 Bewertungen
- 5 stars
56,25Â %
- 4 stars
25Â %
- 3 stars
12,50Â %
- 2 stars
4,16Â %
- 1 star
2,08Â %
Zeigt 3 von 48 an
GeprĂźft am 17. Nov. 2019
Excellent content, but presentation is a bit challenging at times.
GeprĂźft am 1. Apr. 2021
The course provided a lot of insights into predictive modeling.
Neue KarrieremĂśglichkeiten mit Coursera Plus
Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten
Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.
Erwerben Sie einen Abschluss von erstklassigen Universitäten â 100 % online
SchlieĂen Sie sich mehr als 3.400Â Unternehmen in aller Welt an, die sich fĂźr Coursera for Business entschieden haben.
Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.
Häufig gestellte Fragen
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Einschreibung ab. Wenn Sie einen Kurs im Prßfungsmodus belegen, kÜnnen Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erwerben, mßssen Sie die Zertifikatserfahrung während oder nach Ihrer Prßfung erwerben. Wenn Sie die Prßfungsoption nicht sehen:
Der Kurs bietet mĂśglicherweise keine PrĂźfungsoption. Sie kĂśnnen stattdessen eine kostenlose Testversion ausprobieren oder finanzielle UnterstĂźtzung beantragen.
Der Kurs bietet mÜglicherweise stattdessen die Option 'Vollständiger Kurs, kein Zertifikat'. Mit dieser Option kÜnnen Sie alle Kursmaterialien einsehen, die erforderlichen Bewertungen abgeben und eine Abschlussnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben kÜnnen.
Wenn Sie sich fĂźr den Kurs einschreiben, erhalten Sie Zugang zu allen Kursen der Specializations, und Sie erhalten ein Zertifikat, wenn Sie die Arbeit abgeschlossen haben. Ihr elektronisches Zertifikat wird Ihrer Erfolgsseite hinzugefĂźgt - von dort aus kĂśnnen Sie Ihr Zertifikat ausdrucken oder zu Ihrem LinkedIn-Profil hinzufĂźgen. Wenn Sie die Kursinhalte nur lesen und ansehen mĂśchten, kĂśnnen Sie den Kurs kostenlos besuchen.
Wenn Sie ein Abonnement abgeschlossen haben, erhalten Sie eine kostenlose 7-tägige Testphase, in der Sie kostenlos kßndigen kÜnnen. Danach gewähren wir keine Rßckerstattung, aber Sie kÜnnen Ihr Abonnement jederzeit kßndigen. Siehe unsere vollständigen Rßckerstattungsbedingungen.
Weitere Fragen
Finanzielle UnterstĂźtzung verfĂźgbar,