Was erwartet Dich in diesem Kurs?
In diesem Kurs lernst du die Unterschiede zwischen überwachtem und unüberwachtem Lernen und Klassifikation und Regression kennen. Du lernst ein einfaches Regressionsmodell aufzustellen und daran Berechnungen durchzuführen und Zusammenhänge zu interpretieren. Zusätzlich lernst du, Regressionsmodell anhand verschiedener Merkmale zu evaluieren.
Was kannst Du in diesem Kurs lernen?
- Unterschiede zwischen überwachten und unüberwachten Lernen und zwischen Klassifikation und Regression kennenlernen
- Aufstellen eines einfachen linearen Regressionsmodells und Berechnen der Regressionsfunktion
- Zusammenhang der Merkmale anhand eines Modells interpretieren
- Schwierigkeiten bei der Erstellung eines Regressionsmodells erkennen
- Erzeugung und Evaluierung von explorativen polynomialen und multivariaten Regressionsmodelle in Python
Wie ist der Kurs aufgebaut?
- Maschinelles Lernen
- Überwachtes und unüberwachtes Lernen
- Klassifikation und Regression
- Univariate Regression
- Methode der kleinsten Residuenquadrate
- Bestimmung der Regressionsgeraden in Python
- Korrelationskoeffizient und Bestimmtheitsmaß
- Korrelationskoeffizient und Bestimmtheitsmaß in Python
- Polynomiale Regression
- Erweiterung zu einem polynomialen Modell
- Erweiterung zu einem polynomialen Modell in Python
- Verzerrung und Varianz
- Multivariate Regression
- Lineare Regression mit mehreren unabhängigen Merkmalen
- Polynomiale Regression mit mehreren unabhängigen Merkmalen
- Dimensionsreduktion
- Dimensionsreduktion in Python
- Dimensionsreduktion am Bsp. Boston Housing
- Übungsaufgaben
- Übung multivariate Regression
- Übung polynomiale Regression