C4-3 Jupyter Notebook: Parameter beim Training von Klassifikationsbäumen mit sklearn (Klassifikationsbäume, Teil 3)

In diesem Jupyter Notebook zum Thema „C4-3 Jupyter Notebook: Parameter beim Training von Klassifikationsbäumen mit sklearn (Klassifikationsbäume, Teil 3)“ wird Overfitting in der Praxis illustriert. Es wird gezeigt, wie Overfitting mithilfe von bestimmten Parametern reduziert werden kann. Das Notebook enthält auch Aufgaben, deren Lösung man mithilfe des Quiz „C4-3 Question Set: Klassifikationsbäume - Teil 3“ überprüfen kann. Das Notebook setzt keine Programmierkenntnisse voraus, baut aber auf dem Jupyter Notebook „C4-3 Jupyter Notebook: Training von Klassifikationsbäumen verstehen mit sklearn (Klassifikationsbäume, Teil 2)“ 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.