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

  • 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

Azure Machine Learning
Python