Klassifikationsprobleme

Name: Klassifikationsprobleme
Author: Briana Brownell

Lernen Sie den Prozess der Modellbildung und Mehrklassen-Klassifikationsprobleme kennen

Preview the first lesson free — get full access to all 6 lessons.

Kurs: On-Demand

In diesem Kapitel, Wir sprechen über Klassifikationsprobleme im Allgemeinen, und geben Ihnen etwas Intuition wie Sie Ihr Klassifikationsmodellierungsproblem einrichten, und einige grundlegende Überlegungen zu den Arten von Daten dass Sie diese Art von Problemen lösen müssen. Stellen wir uns vor, wir wollen etwas erschaffen ein einfaches Klassifikationsmodell um festzustellen, ob es sich um ein bestimmtes Obst oder Gemüse handelt ist eine Orange oder nicht. Wir haben also eine Liste mit verschiedenen Obstsorten, und wir haben uns ein paar verschiedene Funktionen angesehen das wird wohl wichtig sein bei der Einstufung, ob oder nicht das Obst oder Gemüse ist tatsächlich eine Orange. Also haben wir hier drei, die Farbe, die Scheibe, die Form, sowie die Gesamtgröße. Und durch die Kombination dieser drei verschiedenen Funktionen, wir können feststellen, ob oder nicht das Obst oder Gemüse ist tatsächlich eine Orange. Sie können sich also das Klassifikatormodell vorstellen würde so etwas wie dieses Flussdiagramm aussehen. Also schauen wir uns zunächst die Farbe an um festzustellen, ob es orange ist oder nicht, dann schaut man sich den vertikalen Schnitt an, und schließlich die Größe, um diese Entscheidung zu treffen ob Obst oder Gemüse ist in der Tat eine Orange. Dies ist eine abstrakte Darstellung wie ein Klassifikatormodell funktionieren kann. In diesem Fall haben wir also ein Flussdiagramm, wo es eine Entscheidung trifft und dann zur nächsten übergeht. Das ist nicht bei allen Modellen eine notwendige Komponente. Manchmal anstelle eines Flussdiagramms, Sie könnten einige dieser Entscheidungen treffen parallel gemacht, sondern um darzustellen, was passiert bei der Klassifikatorerstellung, Es ist einfacher, es sich als eine Art Flussdiagramm vorzustellen. Okay, also mal sehen, wie das funktioniert. Beginnen Sie also mit einer Limette, schauen wir uns zunächst die Farbe des Obstes oder Gemüses an, Und weil es grün ist, Wir wissen sofort, dass es keine Orange ist. Wie wäre es also mit einer Karotte? Da die Farbe orange ist, Wir bewegen uns zu dieser zweiten Phase, die Form der vertikalen Scheibe. Da die Karotte in diesem Fall spitz ist, Wir wissen jetzt, dass die Form der vertikalen Scheibe ist spitz oder dreieckig, und so wissen wir, dass das nicht in orange ist. Okay, aber was ist mit einem Kürbis? Diesmal haben wir die Farbe Orange. Die Form der vertikalen Scheibe ist abgerundet, aber hier scheitert es am letzten Kriterium, nämlich der Größe. Da es groß ist, sagt unser Klassifikator, dass es keine Orange ist, was natürlich richtig ist. Aber wenn unser Klassifikator tatsächlich eine Orange sieht, Alle drei Attribute sind richtig, Also haben wir die Farbe Orange, die Form der vertikalen Scheibe ist abgerundet, und die größe ist mittel. Und dann wird unser Klassifikator richtig sagen dass es sich bei der fraglichen Frucht tatsächlich um eine Orange handelt. Jetzt haben Sie also ein einfaches Klassifizierungsmodell gesehen, ein Klassifikator, der bestimmt ob ein Obst oder Gemüse tatsächlich eine Orange ist oder nicht. Und dieser Klassifikator kann als Beispiel verwendet werden um die Art und Weise zu modellieren, wie jeder Klassifikator funktionieren könnte.

Mittelstufe Anbieter : Briana Brownell 6 Lektionen · 27m auf Arabisch, Deutsch, Englisch, Spanisch, Französisch, Portugiesisch, Chinese

Kursbeschreibung

In diesen Lektionen wird der typische Modellbildungsprozess in Bezug auf die Klassifikationsmodell-Pipeline erläutert. Außerdem erhalten Sie eine Einführung in binäre und mehrklassige Klassifizierungsprobleme sowie in die Möglichkeiten, diese am besten zu nutzen. Sie lernen, wie Sie mit Hilfe von Feature Engineering die besten Dateneingaben für Ihre Klassifizierungsmodelle herausfinden.

Außerdem wird in diesen Lektionen die Modellierung mit Qualitätsmetriken besprochen und erläutert. Sie lernen, wie Sie die Qualität eines Klassifizierungsmodells beurteilen und wie Sie ein Klassifizierungsmodell vor seinem Einsatz validieren können.

Was Sie lernen werden

Folgen Sie dem typischen Prozess zum Aufbau eines Klassifizierungsmodells, von der Modellaufbau-Pipeline bis zur Bereitstellung
Wenden Sie Feature Engineering an, um die besten Dateneingaben für Klassifizierungsmodelle zu identifizieren
Unterscheiden Sie zwischen binären und Mehrklassen-Klassifizierungsproblemen und wann jedes am besten verwendet wird
Evaluieren Sie die Leistung von Klassifizierungsmodellen anhand von Modellqualitätsmetriken
Validieren Sie ein Klassifizierungsmodell vor der Bereitstellung
Erstellen Sie Klassifizierungsmodelle für binäre und Mehrklassen-Klassifizierungsprobleme

Wichtige Erkenntnisse

Der Kurs erklärt den typischen Modellaufbauprozess mit Bezug zur Klassifizierungsmodell-Pipeline.
Feature Engineering wird verwendet, um die besten Dateneingaben für Klassifizierungsmodelle herauszufinden.
Binäre und Mehrklassen-Klassifizierungsprobleme unterscheiden sich, und jedes hat Szenarien, in denen es am besten verwendet wird.
Qualitätsmetriken ermöglichen es Ihnen, die Qualität eines Klassifizierungsmodells zu bewerten.
Ein Klassifizierungsmodell sollte vor der Bereitstellung validiert werden.

Häufig gestellte Fragen

Was behandelt dieser Kurs?

Er behandelt den typischen Modellaufbauprozess für die Klassifizierungsmodell-Pipeline, eine Einführung in binäre und Mehrklassen-Klassifizierungsprobleme, Feature Engineering für die Auswahl der besten Dateneingaben, Modellierung mit Qualitätsmetriken und Modellvalidierungsmethoden.

Was ist der Unterschied zwischen binärer und Mehrklassen-Klassifizierung, der hier behandelt wird?

Der Kurs führt sowohl binäre als auch Mehrklassen-Klassifizierungsprobleme ein und erörtert die Wege, in denen jedes am besten verwendet wird.

Wie behandelt der Kurs Modellqualität und Bereitschaftsreife?

Er erörtert und beschreibt Modellierung mit Qualitätsmetriken und lehrt, wie man die Qualität eines Klassifizierungsmodells bewertet und ein Klassifizierungsmodell vor der Bereitstellung validiert.

Welche Fähigkeiten werde ich in diesem Kurs erwerben?

Sie werden Fähigkeiten in Datenklassifizierung, Feature Engineering, Feature Learning, Feature Selection, maschinellem Lernen - Modelltraining und statistischer Klassifizierung entwickeln.

Welche Themen werden in den Lektionen unterrichtet?

Die Lektionen behandeln den Modellaufbauprozess, Feature Engineering, binäre Klassifizierungsprobleme, Modellqualitätsmetriken, Mehrklassen-Klassifizierungsprobleme und Modellvalidierungsmethoden.