C4-1 Jupyter Notebook: Klassifikationsbäume mit sklearn (Klassifikationsbäume, Teil 1)

In diesem Jupyter Notebook zum Thema „C4-1 Jupyter Notebook: Klassifikationsbäume mit sklearn (Klassifikationsbäume, Teil 1)“ lernt man, das Training von Klassifikationsbäumen in Python praktisch umzusetzen. Das Notebook enthält auch Aufgaben zum Erstellen von Regressionsmodellen, deren Lösung man mithilfe der drei Quizze „C4-1 Multiple Choice: Baum interpretieren“, „C4-1 Drag and Drop: Baum interpretieren“ und „C4-1 Multiple Choice: Regressionsbaum für Eisverkäufe“ überprüfen kann. Das Notebook setzt keine Programmierkenntnisse voraus, baut aber auf dem Jupyter Notebook „C3-1 Jupyter Notebook: Einfache Lineare Regression mit sklearn“ auf. Es vermittelt auch keine umfassenden Programmierkenntnisse, sondern ist dazu gedacht, die praktische Umsetzung von kleinen Projekten zum Maschinellen Lernen in der Praxis kennenzulernen. Das Notebook enthält bereits alle nötigen Python-Befehle samt umfassenden Erklärungen dazu. Die Lernenden können die Befehle darin selbst ausführen und anschließend auch damit experimentieren, z.B. indem sie sie verändern. Es wird eine Python-Installation sowie eine Entwicklungsumgebung (z.B. Jupyter Lab, oder auch Visual Studio Code) benötigt, in der das Notebook editiert werden kann. Falls dies nicht gegeben ist, gibt es die Möglichkeit, das Notebook auf der Google-Plattform https://colab.research.google.com hochzuladen und dort zu bearbeiten, dafür wird allerdings ein Google-Account benötigt. Dieses Jupyter Notebook ist Teil des Lehrmaterials für die Zusatzqualifikation KI und Maschinelles Lernen. Die Entwicklung und Erprobung dieses Bildungsangebotes wurde vom Bundesministerium für Bildung und Forschung im Rahmen des InnoVET-Programms gefördert. Das Notebook gehört zum Bereich C, Grundbegriffe von Datenanalyse und maschinellem Lernen.