Всем привет! Это моя первая запись в моем журнале по науке о данных на среднем уровне. Немного о себе; Меня зовут Бенги, я учусь в магистратуре наук о данных Университета Мангейма, Германия. Я начну это путешествие, чтобы поделиться тем, что я изучил до сих пор, со всеми вами, и я считаю, что это также хороший способ для меня практиковать то, что я изучил до сих пор. Если вы думаете, что то, что я написал, не совсем правильно, пожалуйста, не стесняйтесь обращаться ко мне, отправив мне..

Обеспечение интуитивного понимания метрики производительности Log Loss Почему потеря журнала? При создании модели классификации у вас есть множество показателей производительности, доступных для оптимизации ваших моделей, количественной оценки их производительности, сравнения и улучшения. Вероятно, вы можете выбрать один из наиболее часто используемых показателей из матрицы путаницы - например, отзыв, точность, F-рейтинг или точность. Вы также можете использовать метрику потерь,..

В машинном обучении проблема классификации относится к прогнозному моделированию, когда метку класса необходимо предсказать для данного наблюдения (записи). Хотя входные данные (характеристики) состоят из непрерывных или категориальных переменных, выходные данные всегда являются категориальной переменной. Например, на основе входных данных, таких как информация о погоде (влажность, температура, облачно / солнечно, скорость ветра и т. Д.) И время года, предсказать, будет ли сегодня..