Dieser Kurs wird uns dabei helfen, die Modelle, die wir in früheren 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 ermöglichen, Klassifikatoren zu bewerten und zu vergleichen, sowie mit Leistungsmaßen, die in verschiedenen Regressions- und Klassifikationsszenarien verwendet werden können. Außerdem werden wir uns mit der Trainings-/Validierungs-/Test-Pipeline befassen, mit der Sie sicherstellen können, dass die von Ihnen entwickelten Modelle gut auf neue (oder "ungesehene") Daten generalisiert werden können.



Aussagekräftige prädiktive Modellierung
Dieser Kurs ist Teil von Spezialisierung Python-Datenprodukte für prädiktive Analysen


Dozenten: Julian McAuley
6.415 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 MaĂźe.
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: DatenĂĽberprĂĽfung
- Kategorie: Klassifizierungs- und Regressionsbaum (CART)
- Kategorie: Verifizierung und Validierung
- Kategorie: Scikit Learn (Bibliothek fĂĽr Maschinelles Lernen)
- Kategorie: Python-Programmierung
- Kategorie: Test Daten
- Kategorie: Verarbeitung natĂĽrlicher Sprache
- Kategorie: Regressionsanalyse
- Kategorie: Prädiktive Modellierung
- Kategorie: Ăśberwachtes Lernen
- Kategorie: Text Mining
- Kategorie: Statistische Methoden
- Kategorie: Angewandtes maschinelles Lernen
Wichtige Details

Zu Ihrem LinkedIn-Profil hinzufĂĽgen
10 Aufgaben
Erfahren Sie, wie Mitarbeiter fĂĽhrender 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 fĂĽr den Kurs einrichten. Wir werden auch die Grundlagen der Diagnose der Ergebnisse des ĂĽberwachten Lernens vorstellen.
Das ist alles enthalten
6 Videos4 LektĂĽren3 Aufgaben2 Diskussionsthemen
Diese Woche werden wir lernen, wie man eine einfache Tasche mit Wörtern für die Analyse erstellt. Wir werden auch die Regularisierung behandeln und warum sie bei der Erstellung eines Modells wichtig ist. Schließlich 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 über Validierung und wie man sie zusammen mit Training und Tests implementiert. Außerdem werden wir uns damit beschäftigen, wie man eine Regularisierungspipeline in Python implementiert und ein paar Richtlinien für 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 für prädiktives maschinelles Lernen weiter aufbauen. Finden Sie einen Datensatz, bereinigen Sie ihn und führen Sie grundlegende Analysen mit den Daten durch. Bewerten Sie Ihr Modell, validieren Sie Ihre Analysen und stellen Sie sicher, dass Sie die Daten nicht überanpassen.
Das ist alles enthalten
2 LektĂĽren1 peer review1 Diskussionsthema
Erwerben Sie ein Karrierezertifikat.
FĂĽgen 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 Testzeitraum
University of Minnesota
- Status: Kostenloser Testzeitraum
Wesleyan University
- Status: Kostenloser Testzeitraum
University of Colorado Boulder
Warum entscheiden sich Menschen fĂĽr Coursera fĂĽr 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
GeprĂĽft am 17. Nov. 2019
Excellent content, but presentation is a bit challenging at times.
GeprĂĽft am 1. Apr. 2021
The course provided a lot of insights into predictive modeling.

Neue Karrieremöglichkeiten 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 – 100 % online
SchlieĂźen Sie sich mehr als 3.400Â Unternehmen in aller Welt an, die sich fĂĽr 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 Prüfungsmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erwerben, müssen Sie die Zertifikatserfahrung während oder nach Ihrer Prüfung erwerben. Wenn Sie die Prüfungsoption nicht sehen:
Der Kurs bietet möglicherweise keine Prüfungsoption. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
Der Kurs bietet möglicherweise stattdessen die Option 'Vollständiger Kurs, kein Zertifikat'. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Bewertungen abgeben und eine Abschlussnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Wenn Sie sich für 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 hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder zu Ihrem LinkedIn-Profil hinzufügen. Wenn Sie die Kursinhalte nur lesen und ansehen möchten, können Sie den Kurs kostenlos besuchen.
Wenn Sie ein Abonnement abgeschlossen haben, erhalten Sie eine kostenlose 7-tägige Testphase, in der Sie kostenlos kündigen können. Danach gewähren wir keine Rückerstattung, aber Sie können Ihr Abonnement jederzeit kündigen. Siehe unsere vollständigen Rückerstattungsbedingungen.
Weitere Fragen
Finanzielle UnterstĂĽtzung verfĂĽgbar,