Vorherige

Nächste

Zusammenfassung

Abgeschlossen

In diesem Modul haben Sie Folgendes gelernt:

• Erstellen eines Notebooks in Azure Notebooks
• Importieren von Daten in ein Notebook mit curl
• Bereinigen und Vorbereiten der Daten mit Pandas
• Erstellen eines Machine Learning-Modells mit Scikit-learn
• Visualisieren der Ergebnisse mit Matplotlib

Pandas, Scikit-learn und Matplotlib gehören zu den weltweit beliebtesten Python-Bibliotheken. Mit diesen Bibliotheken können Sie Daten auf Machine Learning vorbereiten, komplexe Machine Learning-Modelle aus diesen Daten erstellen und die Ausgabe in einem Diagramm darstellen. Jupyter-Notebooks bieten eine einsatzbereite Umgebung für diese Bibliotheken. Sie können mit Azure Notebooks auf Jupyter-Notebooks zugreifen, ohne Software installieren oder eine Jupyter-Umgebung auf einem Server einrichten zu müssen.

Wissen auf den Prüfstand stellen

1.

Mit welcher Methode können Sie in Pandas CSV-Dateien importieren? Gehen Sie davon aus, dass Pandas als import pandas as pd geladen wurde.

pd.load_file('file.csv')

pd.read_file('file.csv')

pd.read_csv('file.csv')

2.

Was ist der Zweck der Aufteilung von Daten vor dem Trainieren eines Machine Learning-Modells?

Das Modell soll nicht zu viele Daten haben.

Der eine Teil kann zum Trainieren und der andere zum Bewerten der Leistung des Modells verwendet werden.

Das Modell braucht nicht viele Daten.

3.

Angenommen, Sie haben Matplotlib als „plt“ importiert. Mit welcher Methode in Matplotlib können Sie ein Balkendiagramm plotten?

plt.bar(bezeichnungen, werte)

plt.chart(bezeichnungen, werte)

plt.barchart(bezeichnungen, werte)

Sie müssen alle Fragen beantworten, bevor Sie Ihre Arbeit überprüfen können.

Weiter