Für weitere Informationen zu den beruflichen und akademischen Programmen für Künstliche Intelligenz an der Stanford University besuchen Sie:
https://stanford.io/3b2QxDeAnand Avati
Informatik, PhD
Um dem Kursplan und dem Lehrplan zu folgen, besuchen Sie:
0:00 Einführung
0:42 Themen
1:16 Warum sind Metriken wichtig?
5:23 Binäre Klassifikation
11:55 Punktbasierte Modelle: Klassifikator
13:40 Punktmetriken: Verwirrungsmatrix
15:05 Punktmetriken: Wahre Positive
15:56 Punktmetriken: Wahre Negative
16:28 Punktmetriken: Falsche Positive
16:49 Punktmetriken: Falsche Negative
17:43 FP und FN auch als Typ-1- und Typ-2-Fehler bezeichnet
19:38 Punktmetriken: Genauigkeit
20:29 Punktmetriken: Präzision
23:15 Punktmetriken: Positiver Rückruf (Sensitivität)
28:22 Punktmetriken: Negativer Rückruf (Spezifität)
33:48 Punktmetriken: F-Score
35:40 Punktmetriken: Schwellenwertänderung
46:05 Zusammenfassende Metriken: ROC (rotierte Version)
54:02 Zusammenfassende Metriken: PRC
59:05 Zusammenfassende Metriken: Log-Loss Motivation