Episodio

Analisi delle prestazioni della regressione logistica con curve ROC [Parte 17] | Machine Learning per principianti

con Bea Stollnitz

Unisciti a Bea Stollnitz, principal cloud advocate di Microsoft, perché spiega come analizzare le prestazioni del modello di regressione logistica usando le curve ROC (Receiver Operating Characteristic). Verranno usati per valutare il classificatore di regressione logistica compilato nel video precedente usando il set 🎃 di dati zucca .

Contenuto dell'esercitazione:

  • Che cos'è una curva ROC
  • Come una curva ROC aiuta a valutare i classificatori binari
  • Relazione tra una curva ROC e una matrice di confusione

Bea guiderà il processo di creazione di una curva ROC usando Python in un notebook juypter e come interpretarne i risultati per ottenere informazioni dettagliate sulle prestazioni del modello.

Resta sintonizzato per il prossimo video di questa serie, quindi non perderai i prossimi video nella serie ML for Beginners!

Capitoli

  • Questo corso si basa sul curriculum gratuito, open source, ml per principianti di Microsoft.
  • Il notebook di Jupyter da seguire insieme a questa lezione è disponibile.

Connessione

Azure Machine Learning
Python