Aus dem Kurs: Machine Learning in der Praxis: Marketing
So erhalten Sie Zugriff auf diesen Kurs
Werden Sie noch heute Mitglied und erhalten Sie Zugriff auf mehr als 23.100 Kurse von Branchenfachleuten.
Random Forest Classifier verstehen
Aus dem Kurs: Machine Learning in der Praxis: Marketing
Random Forest Classifier verstehen
Heute werden wir einen Random Forest Classifier verwenden, den wir bereits aus dem Ensemble-Module von Scikit-learn importiert haben. In diesem Video werde ich demonstrieren, wie dieser Algorithmus für maschinelles Lernen funktioniert. Wenn Sie also bereits mit der Theorie vertraut sind, können Sie gerne zum nächsten Video übergehen. Der Random Forest Algorithmus funktioniert, indem viele Instanzen eines anderen Algorithmus des sogenannten Decision Tree ausgeführt, und deren Ergebnisse kombiniert werden. Ein Decision Tree versucht, aus den Trainingsdaten einer Baumartikelstruktur einfache Entscheidungsregeln zu erlernen, die dazu verwendet werden können, Vorhersagen über zukünftige noch nicht gesehene Eingaben zu treffen. Jede Regel versucht, die Datenpunkte auf der Grundlage eines bestimmten Merkmals aufzuteilen, so dass sich die beiden resultierenden Gruppen stark voneinander unterscheiden. Die Elemente innerhalb der Gruppen jedoch ähnlich sind. Dies geschieht so lange, bis…
Inhalt
-
-
-
-
-
-
-
-
(Gesperrt)
Challenge: Grundgenauigkeit des Modells festlegen59 Sek.
-
(Gesperrt)
Solution: Grundgenauigkeit des Modells festlegen1 Min. 45 Sek.
-
(Gesperrt)
Trainings- und Testsatz vorbereiten3 Min. 33 Sek.
-
(Gesperrt)
Random Forest Classifier verstehen3 Min. 52 Sek.
-
(Gesperrt)
Modell mithilfe der Grid Search Cross Validation feinabstimmen6 Min. 12 Sek.
-
(Gesperrt)
Analyse der Modell-Leistung: Präzision, Recall und die Konfusionsmatrix3 Min. 15 Sek.
-
(Gesperrt)
Analyse der Modellleistung: F1-Score, Genauigkeit und der Klassifizierungsbericht3 Min. 16 Sek.
-
(Gesperrt)
Nützlichkeit eines Modells bestimmen3 Min. 9 Sek.
-
(Gesperrt)
Classifier verbessern5 Min. 53 Sek.
-
(Gesperrt)
-