MODULO DIDATTICO

Metriche per il Machine Learning

Panoramica delle metriche per valutare modelli di Machine Learning, con focus su classificazione e regressione.

LIVELLO

Da Beginner ad Advanced

PREREQUISITI

Python per la ds, Pandas, Numpy, Scikit-learn, Data visualization

DURATA TOTALE

3 ore

LEZIONI

100% on demand

PUOI TROVARE
QUESTO MODULO DIDATTICO IN

Descrizione

L’approfondimento copre le metriche per valutare modelli di Machine Learning, includendo matrici di confusione e metriche per la classificazione come Accuracy, Precision, Recall, Specificity, Balanced Accuracy, F1-Score, ROC e AUC.

Si esaminano anche metriche per la regressione, tra cui MAE, MSE e R quadro. Le lezioni offrono una dettagliata spiegazione delle metriche per la classificazione e per la regressione, fornendo una comprensione completa e applicabile.

Elenco lezioni del modulo

  • Metriche per la classificazione e regressione
  • Metriche per il Machine Learning - Introduzione
  • Metriche per la classificazione
  • Metriche per la regressione
  • Metriche per la regressione
  • Matrice di confusione
  • Accuracy
  • Precision e Recall
  • Balanced Accuracy ed F1-Score
  • Riepilogo su metriche per la classificazione
  • ROC e AUC
  • Logloss
  • Classificazione multiclasse - One versus One e One Versus Rest
  • Metriche per la regressione - Hands On
  • Metriche per la classificazione - Hands On

DOMANDE FREQUENTI