Odcinek
Analizowanie wydajności regresji logistycznej za pomocą krzywych ROC [Część 17] | Edukacja maszynowe dla początkujących
with Bea Stollnitz
Dołącz do Bea Stollnitz, głównego ambasadora chmury w firmie Microsoft, który uczy, jak analizować wydajność modelu regresji logistycznej przy użyciu krzywych ROC (charakterystyki operacyjnej odbiornika). Użyjemy ich do oceny klasyfikatora regresji logistycznej wbudowanego w poprzednie wideo przy użyciu naszego zestawu 🎃 danych dynia .
Zawartość:
- Co to jest krzywa ROC
- Jak krzywa ROC pomaga w ocenie klasyfikatorów binarnych
- Jak krzywa ROC odnosi się do macierzy pomyłek
Bea przeprowadzi Cię przez proces tworzenia krzywej ROC przy użyciu języka Python w notesie Juypter Notebook i sposobu interpretowania wyników w celu uzyskania wglądu w wydajność modelu.
Bądź na bieżąco z następnym filmem z tej serii, więc nie przegap nadchodzących filmów w serii ML for Beginners!
Rozdziały
- 00:00 — wprowadzenie
- 00:17 — Co to jest krzywa ROC?
- 00:37 - Notes, nad którymi pracujemy
- 00:55 — Definicja krzywej ROC
- 01:29 — Wybieranie nowego progu regresji logistycznej
- 02:21 — Wykreśl ROC przy użyciu wielu progów klasyfikacji
- 02:43 — Tworzenie krzywej ROC w kodzie
- 03:00 — Kształt krzywej ROC
- 03:38 - Czytanie krzywej ROC
- 04:10 — Oblicz obszar pod krzywą ROC
Zalecane zasoby
- Ten kurs jest oparty na bezpłatnym, open source, 26-lekcjach uczenia maszynowego dla początkujących program nauczania firmy Microsoft.
- Notes Jupyter Notebook , który należy wykonać wraz z tą lekcją, jest dostępny!
Połącz
- Bea Stollnitz | Blog
- Bea Stollnitz | Twitter: @beastollnitz
- Bea Stollnitz | LinkedIn: in/beatrizstollnitz/
Dołącz do Bea Stollnitz, głównego ambasadora chmury w firmie Microsoft, który uczy, jak analizować wydajność modelu regresji logistycznej przy użyciu krzywych ROC (charakterystyki operacyjnej odbiornika). Użyjemy ich do oceny klasyfikatora regresji logistycznej wbudowanego w poprzednie wideo przy użyciu naszego zestawu 🎃 danych dynia .
Zawartość:
- Co to jest krzywa ROC
- Jak krzywa ROC pomaga w ocenie klasyfikatorów binarnych
- Jak krzywa ROC odnosi się do macierzy pomyłek
Bea przeprowadzi Cię przez proces tworzenia krzywej ROC przy użyciu języka Python w notesie Juypter Notebook i sposobu interpretowania wyników w celu uzyskania wglądu w wydajność modelu.
Bądź na bieżąco z następnym filmem z tej serii, więc nie przegap nadchodzących filmów w serii ML for Beginners!
Rozdziały
- 00:00 — wprowadzenie
- 00:17 — Co to jest krzywa ROC?
- 00:37 - Notes, nad którymi pracujemy
- 00:55 — Definicja krzywej ROC
- 01:29 — Wybieranie nowego progu regresji logistycznej
- 02:21 — Wykreśl ROC przy użyciu wielu progów klasyfikacji
- 02:43 — Tworzenie krzywej ROC w kodzie
- 03:00 — Kształt krzywej ROC
- 03:38 - Czytanie krzywej ROC
- 04:10 — Oblicz obszar pod krzywą ROC
Zalecane zasoby
- Ten kurs jest oparty na bezpłatnym, open source, 26-lekcjach uczenia maszynowego dla początkujących program nauczania firmy Microsoft.
- Notes Jupyter Notebook , który należy wykonać wraz z tą lekcją, jest dostępny!
Połącz
- Bea Stollnitz | Blog
- Bea Stollnitz | Twitter: @beastollnitz
- Bea Stollnitz | LinkedIn: in/beatrizstollnitz/
Chcesz przesłać opinię? Prześlij problem tutaj.