(Inggris) Metrics of Machine Learning Model Evaluation with Scikit-learn

Menilai model machine learning dengan benar sangat penting untuk membangun aplikasi ilmu data yang dapat diandalkan. Memilih metrik evaluasi yang salah dapat menyembunyikan kelemahan model yang serius dan mengakibatkan pengambilan keputusan yang buruk dalam skenario dunia nyata. Kursus tertulis ini menyediakan dasar yang mendalam dalam teknik evaluasi untuk tugas klasifikasi dan regresi menggunakan Python dan Scikit-learn. Apa yang akan kau pelajari: - Mengerti konsep dasar validasi model, jenis kesalahan, dan tolok ukur dasar - Menghitung dan menafsirkan metrik klasifikasi termasuk presisi, ingatan, skor F1, dan ROC-AUC - Pengukuran akurasi regresi menggunakan MSE, RMSE, MAE, R-squared, dan metrik disesuaikan - Mengendalikan dataset yang tidak seimbang secara efektif dengan strategi evaluasi khusus dan kurva PR - Terapkan teknik validasi silang untuk mencegah overfitting dan menilai model generalizability - Implementasi fungsi penilaian evaluasi sesuai pesanan dalam pipa Scikit-learn Kursus ini dimulai dengan terminologi kunci, prinsip dasar, dan intuisi matematika di balik setiap metrik sebelum berjalan melalui contoh kode praktis. Anda akan membaca penjelasan terstruktur dan menganalisis implementasi kode praktis langkah demi langkah. Kursus ini dirancang untuk ilmuwan data pemula, penggemar machine learning, dan analis data yang ingin menguasai evaluasi model. Keterampilan dasar pemrograman Python direkomendasikan.