Episode

Suchen nach Korrelation: Der Schlüssel zur linearen Regression [Teil 11] | Maschinelles Lernen für Anfänger

durch Bea Stollnitz

Maschinelles Lernen für Einsteiger

In diesem Video erläutert Bea Stollnitz, ein Principal Cloud Advocate bei Microsoft, das Konzept der Korrelation und wie es für erfolgreiche lineare Regressionsvorhersagen unerlässlich ist. Dieses Video ist Teil unserer Reihe "Machine Learning for Beginners", in der wir verschiedene Themen zum maschinellen Lernen und deren Implementierung mithilfe von Python-Code in Jupyter-Notizbüchern behandeln.

In diesem Video lernen Sie Folgendes:

  • Welche Korrelation ist und wie sie gemessen wird
  • So bewerten Sie die Korrelation zwischen zwei Variablen mithilfe von Punktdiagrammen
  • Berechnen von Korrelationswerten mithilfe von Code
  • Die Bedeutung der Korrelation für lineare Regressionsvorhersagen

Wir führen Sie durch den Prozess der Visualisierung der Korrelation zwischen Variablen mithilfe von Punktdiagrammen und der Berechnung von Korrelationswerten mithilfe von Python-Code. Am Ende des Videos werden Sie die Bedeutung einer starken Korrelation verstehen, um genaue Vorhersagen mit linearer Regression zu erstellen und potenzielle Korrelationen in Ihren Daten zu identifizieren.

Bleiben Sie auf dem laufenden für das nächste Video in dieser Reihe, in dem wir tiefer in verschiedene Themen des maschinellen Lernens eintauchen und Sie durch ihre Implementierung mithilfe von Python-Code in Jupyter-Notizbüchern führen. Wir sehen uns!

Kapitel

  • 00:00: Einführung
  • 00:15 - Was ist Korrelation?
  • 00:34 - Berechnungskorrelation mithilfe der Korrelanzfunktion
  • 00:42 - Sinn für Korrelationsergebnisse und positive und negative Korrelation
  • 01:22 - Korrelation im Code berechnen
  • 01:58 - Überprüfen der Korrelation mit einem Punktdiagramm
  • 02:20 - Überprüfen der Korrelation mithilfe von Code
  • 02:29 - Suchen Nach Mustern im Punktdiagramm
  • 03:04 - Suchen Sie nach Korrelation mithilfe gefilterter Daten
  • Dieser Kurs basiert auf dem kostenlosen Open-Source-Lehrplan ML For Beginners (ML für Einsteiger) mit 26 Lektionen von Microsoft.
  • Das Jupyter-Notizbuch , das Sie zusammen mit dieser Lektion verfolgen können, ist verfügbar!

Verbinden

Azure Machine Learning
Python