Machine-Learning-Workflow

Machine Learning verstehen

Lis Sulmont

Curriculum Manager, DataCamp

Machine-Learning-Workflow

Unser Szenario

Unser Datensatz: NYC Immobilienverkäufe von 2015-2019

Enthält:

• Wohnfläche
• Viertel
• Baujahr
• Verkaufspreis
• und mehr!

Unser Ziel: Verkaufspreis

Schritt 1: Merkmale extrahieren

Schritt 2: Datensatz aufteilen

Schritt 3: Modell trainieren

Schritt 3: Modell trainieren

$$

Schritt 4: Auswerten

Schritt 4: Auswerten

• Testdatensatz: „ungesehene“ Daten
• Viele Möglichkeiten zur Auswertung:
  • Wie hoch ist der durchschnittliche Fehler der Vorhersagen?
  • Wie viel Prozent der Wohnungen hat das Modell innerhalb eines Bereichs von 10 % richtig vorhergesagt?

Schritt 4: Auswerten

Schritt 4: Auswerten

Schritt 4: Auswerten

• Wenn nicht, optimiere das Modell und trainiere es neu:
  • z. B. die Optionen des Modells ändern, Merkmale hinzufügen/entfernen

Machine-Learning-Workflow

Zusammenfassung der Schritte

1. Merkmale extrahieren
   • Auswahl der Merkmale und Bearbeitung des Datensatzes
2. Datensatz aufteilen
   • Trainings- und Testdatensatz
3. Modell trainieren
   • Eingabe des Trainingsdatensatzes in ein Machine-Learning-Modell
4. Auswerten
   • Wenn die gewünschte Leistung nicht erreicht wird: optimiere das Modell und wiederhole Schritt 3

Lass uns üben!

Machine Learning verstehen