Descrizione
Questo corso ci aiuterà a valutare e confrontare i modelli che abbiamo sviluppato nei corsi precedenti. Finora abbiamo sviluppato tecniche per la regressione e la classificazione, ma quanto dovrebbe essere basso l'errore di un classificatore (ad esempio) prima di decidere che il classificatore è "abbastanza buono"? O come decidiamo quale dei due algoritmi di regressione è migliore?
Alla fine di questo corso acquisirai familiarità con le tecniche diagnostiche che ti consentono di valutare e confrontare classificatori, nonché misure di prestazioni che possono essere utilizzate in diversi scenari di regressione e classificazione. Studieremo anche la pipeline di addestramento / convalida / test, che può essere utilizzata per garantire che i modelli sviluppati si generalizzino bene a dati nuovi (o "invisibili").
Prezzo: Iscriviti gratuitamente!
Lingua: Inglese
Sottotitoli: Inglese
Modellazione predittiva significativa - Università della California di San Diego
TUN aiuta gli studenti!
Borse di studio
Comunita'
Diritto d'autore, 2024 – TUN, Inc