#47 In Ordnung oder nicht in Ordnung, das ist hier die Frage!
Kennzahlen für die Modell-Quaität bei attributiven Zielgrößen
(Klassifizierung)
26 Minuten
Podcast
Podcaster
Produkte entwickeln, Versuche auswerten, Prozesse optimieren
Beschreibung
vor 2 Jahren
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.
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.
Weitere Episoden
18 Minuten
vor 2 Jahren
19 Minuten
vor 2 Jahren
22 Minuten
vor 2 Jahren
26 Minuten
vor 2 Jahren
22 Minuten
vor 2 Jahren
Kommentare (0)