Die Entwicklung eines Machine Learning Modells Bei der Entwicklung eines Machine Learning Modells gibt es unzählige Herangehensweisen, Methoden und Möglichkeiten. Hier ein kleiner Leitfaden. Feature Engineering Die Grundlage jedes erfolgreichen Machine Learning Projekts ist eine präzise Repräsentation der Realität anhand von Daten. Im Feature Engineering werden die Variablen im Datensatz optimiert. Preprocessing Der letzte Schritt vor dem Modellieren ist das Preprocessing. Es wird nach dem Feature Engineering angewandt, um den Datensatz weiter zu optimieren, Muster klarer herauszustellen und gegebenenfalls für den Lernalgorithmus, der verwendet werden soll, vorzubereiten. Was ist ein gutes Machine Learning Modell? Die Evaluierung und Optimierung eines Modells. XAI-Die Erklärung von Machine Learning Modellen Explainable AI und was im Inneren der Black Box geschieht. Klassifizierung In der Statistik und im Machine Learning ist eine Klassifizierung eine Aufgabe, bei der identifiziert werden soll, zu welcher Kategorie, aus einem finiten Satz von Kategorien, eine neue Beobachtung gehört. Snippets - Einlesen und Überblick Python Snippets um Daten einzulesen und sich einen ersten Überblick zu verschaffen Snippets - Slicing und Selection Python Code Snippets - Pandas DataFrames Python Code
