Episódio
Analisando o Desempenho da Regressão Logística com Curvas ROC [Parte 17] | Machine Learning para iniciantes
por Bea Stollnitz
Junte-se a Bea Stollnitz, principal defensora da nuvem da Microsoft, enquanto ela ensina como analisar o desempenho do seu modelo de regressão logística usando curvas ROC (Receiver Operating Characteristic). Vamos usá-los para avaliar o classificador de regressão logística construído no vídeo anterior usando nosso conjunto 🎃 de dados de abóbora.
O que você aprenderá:
- O que é uma curva ROC
- Como uma curva ROC ajuda na avaliação de classificadores binários
- Como uma curva ROC se relaciona com uma matriz de confusão
O Bea irá guiá-lo através do processo de criação de uma curva ROC usando Python em um Juypter Notebook e como interpretar seus resultados para obter insights sobre o desempenho do seu modelo.
Fique ligado para o próximo vídeo desta série, para que você não perca os próximos vídeos da série ML para iniciantes!
Capítulos
- 00:00 – Introdução
- 00:17 - O que é uma curva ROC?
- 00:37 - O caderno em que estamos a trabalhar
- 00:55 - Definição de uma curva ROC
- 01:29 - Escolha de um novo limiar para regressão logística
- 02:21 - Plotagem ROC utilizando múltiplos limiares de classificação
- 02:43 - Criar uma curva ROC no código
- 03:00 - A forma de uma curva ROC
- 03:38 - Leitura de uma curva ROC
- 04:10 - Calcular a área sob a curva ROC
Recursos recomendados
- Este curso é baseado no currículo gratuito e de software livre om 26 lições de ML para iniciantes da Microsoft.
- O Caderno Jupyter para acompanhar esta lição está disponível!
Conectar
- Bea Stollnitz - Brasil | Blogue
- Bea Stollnitz - Brasil | Twitter: @beastollnitz
- Bea Stollnitz - Brasil | LinkedIn: em/beatrizstollnitz/
Junte-se a Bea Stollnitz, principal defensora da nuvem da Microsoft, enquanto ela ensina como analisar o desempenho do seu modelo de regressão logística usando curvas ROC (Receiver Operating Characteristic). Vamos usá-los para avaliar o classificador de regressão logística construído no vídeo anterior usando nosso conjunto 🎃 de dados de abóbora.
O que você aprenderá:
- O que é uma curva ROC
- Como uma curva ROC ajuda na avaliação de classificadores binários
- Como uma curva ROC se relaciona com uma matriz de confusão
O Bea irá guiá-lo através do processo de criação de uma curva ROC usando Python em um Juypter Notebook e como interpretar seus resultados para obter insights sobre o desempenho do seu modelo.
Fique ligado para o próximo vídeo desta série, para que você não perca os próximos vídeos da série ML para iniciantes!
Capítulos
- 00:00 – Introdução
- 00:17 - O que é uma curva ROC?
- 00:37 - O caderno em que estamos a trabalhar
- 00:55 - Definição de uma curva ROC
- 01:29 - Escolha de um novo limiar para regressão logística
- 02:21 - Plotagem ROC utilizando múltiplos limiares de classificação
- 02:43 - Criar uma curva ROC no código
- 03:00 - A forma de uma curva ROC
- 03:38 - Leitura de uma curva ROC
- 04:10 - Calcular a área sob a curva ROC
Recursos recomendados
- Este curso é baseado no currículo gratuito e de software livre om 26 lições de ML para iniciantes da Microsoft.
- O Caderno Jupyter para acompanhar esta lição está disponível!
Conectar
- Bea Stollnitz - Brasil | Blogue
- Bea Stollnitz - Brasil | Twitter: @beastollnitz
- Bea Stollnitz - Brasil | LinkedIn: em/beatrizstollnitz/
Tem comentários? Envie um problema aqui.