===== Gefällt mir: 23 👍: Gefällt mir nicht: 0 👎: 100,0% : Aktualisiert am 21.01.2023 11:57:17 EST =====
Interessiert an den im maschinellen Lernen anwendbaren Metriken für Klassifikations- und Regressionsmodelle? Dann sind Sie hier genau richtig! Ich gehe ausführlich darauf ein, welche Metriken am relevantesten und nützlichsten sind, wenn man in der Welt der Datenwissenschaft arbeitet. Diese Metriken sind ein Muss, die die Grundlage für alle anderen Modelle des maschinellen Lernens bilden, die Sie in Zukunft verwenden könnten.
Interessiert an NLP mit Sentiment-Analyse?
Interessiert an quantitativen Strategien im Aktienmarkt?
0:00 - Warum sind Metriken wichtig?
1:40 - Verwirrungsmatrix
2:20 - Sensitivität, Spezifität, Falsch-Positiv-Raten
3:16 - Fläche unter der Kurve (AUC-ROC)
4:15 - F1-Score
5:05 - Warum sich die Verwendung von Regressionsmetriken von denen der Klassifikation unterscheidet
6:48 - Mittlerer quadratischer Fehler & Wurzel des mittleren quadratischen Fehlers
7:35 - Mittlerer absoluter Fehler