Nadzorowane uczenie maszynowe

Zrozumieć data science

Lis Sulmont

Curriculum Manager, DataCamp

Przepływ pracy w data science

Czym jest nadzorowane uczenie maszynowe?

• Uczenie maszynowe: przewidywanie na podstawie danych
• Nadzorowane uczenie maszynowe: przewidywanie z danych z etykietami i cechami
  • Systemy rekomendacji
  • Diagnostyka obrazów biomedycznych
  • Rozpoznawanie pisma odręcznego
  • Przewidywanie odejść klientów

Studium przypadku: przewidywanie odejść

Studium przypadku: przewidywanie odejść

Studium przypadku: przewidywanie odejść

Studium przypadku: przewidywanie odejść

Studium przypadku: przewidywanie odejść

Studium przypadku: przewidywanie odejść

Studium przypadku: przewidywanie odejść

Podsumowanie: nadzorowane uczenie maszynowe

• Przewidywanie na podstawie danych
• Dane mają cechy i etykiety
  • Etykieta: to, co chcemy przewidzieć
  • Cechy: dane mogące przewidzieć etykietę
• Wytrenowany model może tworzyć prognozy

Ocena modelu

Podział danych historycznych na zbiory treningowy i testowy

Ocena modelu

Ocena modelu

Ocena modelu

• Sprawdzanie obu wyników jest ważne przy rzadkich zdarzeniach
• Model ma 0% dokładności w przewidywaniu rzeczywistego odejścia klienta

Czas na ćwiczenia!

Zrozumieć data science