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
- 00:00 - Introduzione
- 00:17 - Che cos'è una curva ROC?
- 00:37 - Il notebook su cui stiamo lavorando
- 00:55 - Definizione di una curva ROC
- 01:29 - Scelta di una nuova soglia per la regressione logistica
- 02:21 - Traccia ROC usando più soglie di classificazione
- 02:43 - Creare una curva ROC nel codice
- 03:00 - Forma di una curva ROC
- 03:38 - Lettura di una curva ROC
- 04:10 - Calcolare l'area sotto la curva ROC
Risorse consigliate
- 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
- Bea Stollnitz | Blog
- Bea Stollnitz | Twitter: @beastollnitz
- Bea Stollnitz | LinkedIn: in/beatrizstollnitz/
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
- 00:00 - Introduzione
- 00:17 - Che cos'è una curva ROC?
- 00:37 - Il notebook su cui stiamo lavorando
- 00:55 - Definizione di una curva ROC
- 01:29 - Scelta di una nuova soglia per la regressione logistica
- 02:21 - Traccia ROC usando più soglie di classificazione
- 02:43 - Creare una curva ROC nel codice
- 03:00 - Forma di una curva ROC
- 03:38 - Lettura di una curva ROC
- 04:10 - Calcolare l'area sotto la curva ROC
Risorse consigliate
- 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
- Bea Stollnitz | Blog
- Bea Stollnitz | Twitter: @beastollnitz
- Bea Stollnitz | LinkedIn: in/beatrizstollnitz/
Per inviare suggerimenti, Invia un problema qui.