Скачать или смотреть In Ordnung oder nicht in Ordnung das ist hier die Frage!

👉 Wie funktioniert die Bewertung der Erklär-Qualität bei attributiven Zielgrößen (gut/schlecht)?
👉 Was ist die Konfusionsmatrix?
👉 Welche Kennzahlen werden für die Erklär-Qualität bei der Klassifizierung eingesetzt?

Maschinelles Lernen kann auch bei attributiven Zielgrößen (in Ordnung/nicht in Ordnung, gut/schlecht, funktioniert/funktioniert nicht) genutzt werden, um Prozesse besser zu verstehen und zu optimieren. Die Machine Learning (ML) Modelle für attributive Zielgrößen sollten vor der Nutzung genauso wie alle anderen Modelle auf ihre Qualität geprüft werden. In dieser Folge geht es um Strategien und Kennzahlen, mit denen die Erklär-Qualität bei der Klassifikation bzw. bei attributiven Zielgrößen geprüft wird.

Themenwünsche & Feedback
Ich freue mich über Ihre Nachricht! Barbara Bredner, [email protected]

Links
👉 Schwangere Männer Bild: https://dzone.com/articles/understand...
👉 In Ordnung oder nicht in Ordnung - Erklär-Qualität bei attributiven Zielgrößen: Konfusionsmatrix, Accuracy, Precision, Recall, Speficity, F1-Score http://irgendwas-mit-daten.io/wp-cont...
👉 Visualisierung von ROC und AUC: What is AUC? https://arize.com/blog/what-is-auc/