Episodio

Análisis del rendimiento de regresión logística con curvas ROC [parte 17] | Aprendizaje automático para principiantes

con Bea Stollnitz

Aprendizaje automático para principiantes

Únase a Bea Stollnitz, promotor principal de la nube de Microsoft, ya que le enseña a analizar el rendimiento del modelo de regresión logística mediante curvas ROC (característica operativa del receptor). Los usaremos para evaluar el clasificador de regresión logística integrado en el vídeo anterior mediante nuestro conjunto 🎃 de datos de calabaza.

Temas que se abordarán:

  • Qué es una curva ROC
  • Cómo ayuda una curva ROC a evaluar clasificadores binarios
  • Cómo se relaciona una curva ROC con una matriz de confusión

Bea le guiará a través del proceso de creación de una curva ROC mediante Python en un cuaderno de Juypter Notebook y cómo interpretar sus resultados para obtener información sobre el rendimiento del modelo.

Manténgase atento al siguiente vídeo de esta serie, por lo que no se perderán los próximos vídeos de la serie ML for Beginners.

Capítulos

Conexión

Azure Machine Learning
Python