Entscheidungsbäume in Python

Kurslaufzeit: Selbstlernangebot
Autor/in: Erik Svenonius
Sprache: German
Dauer: 6 Monate

Was erwartet Dich in diesem Kurs?

Du lernst, mit Python in jupyterlab mit Hilfe des CART-Algorithmus Entscheidungsbäume zu trainieren. Dazu lernst du auch verschiedene Gütekriterien für Klassifikatoren kennen und wendest sie an. Mit Hilfe der Ensemble-Verfahren lernst du, verschiedene Klassifikatoren zu kombinieren und so ein besseres Ergebnis zu erzielen.

Was kannst du in diesem Kurs lernen?

  • CART-Algorithmus verstehen und anwenden können
  • Gütekriterien für Klassifikatoren verstehen und anwenden können
  • Ensemble-Verfahren verstehen und anwenden können

Wie ist der Kurs aufgebaut?

  1. CART-Algorithmus
    1. Entscheidungsbäume
    2. CART-Algorithmus
    3. Prinzip binärer Entscheidungsbäume
    4. Verbesserung der Unreinheit
    5. Unreinheitsmaße am Beispiel
    6. Pruning
  2. Gütekriterien für Klassifikatoren
    1. Gütekriterien für Klassifikatoren
    2. Unterteilung in Trainings- und Testdaten
    3. Kreuzvalidierung
    4. Konfusionsmatrix
    5. Genauigkeit, Relevanz und Sensivität
    6. ROC-Kurve
  3. Ensemble-Verfahren
    1. Ensemble-Verfahren
    2. Kombination mehrerer Vorhersagemodelle
    3. Das Gesetz großer Zahlen
    4. Bagging und Random Forests
    5. Boosting
  4. Praktische Aufgabe

Voraussetzungen

Kenntnisse der Themen des Moduls "Einführung in die Datenanalyse mit Python" und grundlegende Programmiererfahrungen

Arbeitsaufwand

ca. 5 Stunden

Leistungsnachweis

In diesem Kurs kannst du Badges und ein Weiterbildungszertifikat erhalten.

Was kostet der Kurs?

Die Gebühr für den unbetreuten Selbstlernkurs beträgt 50 € (inkl. Mehrwertsteuer). Nachdem du bezahlt hast, kannst du sofort loslegen! Du bekommst Zugang zum Kurs und kannst für mit den Unterlagen arbeiten! Im Anschluss erhältst du ein Weiterbildungszertifikat von oncampus, wenn du die gestellten Aufgaben erfolgreich gelöst hast.

Förderer

Landesprogramm Arbeit Aktion A2  



Dies könnte Dich auch interessieren