Wissensbeurteilung

Abgeschlossen

Überprüfen Sie Ihr Wissen

1.

Was ist der Unterschied zwischen der klassischen Regression und Klassifizierungsmodellen?

Bei Regressionsmodellen werden Bezeichnungen wie „Kirsche“/„Banane“ verwendet, während bei Klassifizierungsmodellen fortlaufende Zahlen berechnet werden.

„Klassifizierungsmodelle“ und „Modelle für die lineare Regression“ sind Beschreibungen desselben Sachverhalts.

Bei Klassifizierungsmodellen werden Bezeichnungen wie „Kirsche“/„Banane“ verwendet, während bei Regressionsmodellen fortlaufende Zahlen berechnet werden.

2.

Wie können wir die Leistung von Modellen für den Einsatz in der realen Welt verbessern?

Hinzufügen von Merkmalen

Je nach Situation kann sowohl das Hinzufügen als auch das Entfernen von Merkmalen nützlich sein.

Entfernen von Merkmalen

3.

Was ist ein Grund dafür, warum bei der logistischen Regression nicht die intuitivere Kostenfunktion, sondern „Logarithmischer Verlust“ verwendet wird?

„Logarithmischer Verlust“ ist in Bezug auf Modellfehler strenger, und zwar auch, wenn der Wert nahezu korrekt ist.

Dies ist die einzige Möglichkeit, Fehler für Kategorienbezeichnungen zu berechnen.

„Logarithmischer Verlust“ ist in Bezug auf Modellfehler weniger streng, wenn der Fehlerwert in der Nähe des richtigen Werts liegt.

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