Machine learning-workflow

Machine Learning begrijpen

Lis Sulmont

Curriculum Manager, DataCamp

Machine learning-workflow

Onze situatie

Onze gegevensset: vastgoedverkopen in NYC, 2015-2019

Bevat:

• Vierkante meters
• Wijk
• Bouwjaar
• Verkoopprijs
• En meer!

Ons doel: verkoopprijs

Stap 1: Kenmerken extraheren

Stap 2: Gegevensset splitsen

Stap 3: Model trainen

Stap 3: Model trainen

$$

Stap 4: Evalueren

Stap 4: Evalueren

• Testgegevensset: "onzichtbare" data
• Veel manieren om te evalueren:
  • Wat is de gemiddelde fout van de voorspellingen?
  • Welk percentage appartementen voorspelde het model correct binnen 10% marge?

Stap 4: Evalueren

Stap 4: Evalueren

Stap 4: Evalueren

• Zo niet, stem het model af en train opnieuw:
  • bijv. modelopties wijzigen, kenmerken toevoegen/verwijderen

Machine learning-workflow

Overzicht van de stappen

1. Kenmerken extraheren
   • Kenmerken kiezen en de gegevensset bewerken
2. Gegevensset splitsen
   • Train- en testgegevensset
3. Model trainen
   • Traingegevens in een Machine Learning-model voeren
4. Evalueren
   • Als de gewenste prestatie niet wordt gehaald: model afstemmen en Stap 3 herhalen

Laten we oefenen!

Machine Learning begrijpen