Prognosemodelle: Klassifikation und Regression | 02 | Metriken für eine Klassifikation (PDF)

Kurs: Prognosemodelle: Klassifikation und Regression | 02 | Metriken für eine Klassifikation (PDF)

Du kennst jetzt die confusion matrix, anhand derer wir nun Maße zur Beurteilung der Prognosegenauigkeit ableiten können. In diesem Video-Transkript lernst du verschiedene sogenannte Evaluationsmetriken kennen. Diese können wir verwenden, um unser Prognosemodell zu bewerten und verschiedene Modelle miteinander zu vergleichen. Der Fokus liegt dabei auf Metriken für eine Klassifikation. Abschließend diskutieren wir noch kurz die Eignung und Einordnung dieser Metriken.

Kurs öffnen

Download (3.09 MB)

Nutzungsrechte: CC BY

Vervielfältigung, Bearbeitung und Verbreitung erlaubt. Namensnennung erforderlich.
Herkunftsnachweis: "Prognosemodelle: Klassifikation und Regression | 02 | Metriken für eine Klassifikation (PDF)" von , lizenziert unter CC BY 4.0
Original-URL: https://moodle.ki-campus.org/course/view.php?id=111

Heinrich-Heine-Universität Düsseldorf

Dr. Katja Theune

AC, AI, Accuracy, Artificial Intelligence, Evaluationsmetrik, FPR, Informatik, KI, Klassifikation, Metrik, Precision, Prognosemodell, ROC-Kurve, Receiver-Operating-Characteristics, TPR, Technologie, True Positive Rate, eLearning, künstliche Intelligenz

Lernressource	Kurs, Text
Lizenz	CC BY 4.0
Zusätzliche Lizenzinformationen	Das Material ist Bestandteil vom KI-Campus Kurs "KI für Alle 2: Verstehen, Bewerten, Reflektieren". Gefördert durch das Bundesministerium für Forschung, Technologie und Raumfahrt sowie durch das Ministerium für Kultur und Wissenschaft des Landes Nordrhein-Westfalen.
Sprache	Deutsch

verknüpfte Materialien

ähnliche Materialien

Video: KI und Nachhaltigkeit | 06 | Nachhaltige KI: Wirkungsebenen (MP4)

KI und Nachhaltigkeit | 06 | Nachhaltige KI: Wirkungsebenen (MP4)

Herzlich Willkommen! Wie im Eingangsvideo erläutert, schauen wir uns in diesem Video an, wo und von wem die Nachhaltigkeit einer KI...

Heinrich-Heine-Universität Düsseldorf

AI, Anwendungsebene, Artificial Intelligence, Gesellschaft, Gestaltung von KI, Gestaltung von künstlicher Intelligenz, Informatik, KI, KI-System, KI-Technologie, Mitgestaltung, Nachhaltigkeit, Nachhaltigkeitsziele, Technologie, Umweltschutz, Wirkungsebenen, eLearning, gesamtgesellschaftliche Ebene, künstliche Intelligenz

Video: Explainable, Hybrid, Robust AI | 05 | Kurzeinführung in SHAP (MP4)

Explainable, Hybrid, Robust AI | 05 | Kurzeinführung in SHAP (MP4)

Eine Herangehensweise im Umgang in der Interpretierbarkeit von KI-Methoden ist das sogenannte SHAP-Framework. SHAP steht dabei für SHapley Additive...

Heinrich-Heine-Universität Düsseldorf

AI, Artificial Intelligence, Entscheidungsfindung, Framework, Informatik, Interpretierbarkeit, KI, KI-Modell, SHAP, SHapley Additive exPlanations, Sentimentanalyse, Technologie, Transparenz, Vertrauen, eLearning, künstliche Intelligenz

Video: Datenbeschaffung und -aufbereitung | 04 | Konsistente Daten (MP4)

Datenbeschaffung und -aufbereitung | 04 | Konsistente Daten (MP4)

Dieses Kapitel beschäftigt sich mit dem Feature Engineering. Unter Feature Engineering verstehen wir alle Schritte im Datenaufbereitungsprozess, in...

Heinrich-Heine-Universität Düsseldorf

AI, Artificial Intelligence, Daten, Datenaufbereitung, Datenzusammenführung, Feature Engineering, Informatik, KI, Konsistenz, ML, Technologie, Trainingsdaten, Zusammenführen von Daten, eLearning, künstliche Intelligenz, machine learning, maschinelles Lernen

Kurs: KI und Nachhaltigkeit | 07 | KI für Nachhaltigkeit (PDF)

KI und Nachhaltigkeit | 07 | KI für Nachhaltigkeit (PDF)

Herzlich willkommen zu diesem Video-Transkript über die Nutzung von KI-Systemen für Nachhaltigkeit, also zur Erreichung verschiedener...

Heinrich-Heine-Universität Düsseldorf

AI, Artificial Intelligence, Bias, Datenschutz, Diskriminierung, Erklärbarkeit, Gefahren von KI, Gefahren von künstlicher Intelligenz, Informatik, KI, KI-System, KI-Technologie, Nachhaltigkeit, Nachhaltigkeitsziele, Privatsphäre, SDGs, Technologie, Umweltschutz, eLearning, künstliche Intelligenz

Kurs: Prognosemodelle: Klassifikation und Regression | 03 | Der random forest (PDF)

Prognosemodelle: Klassifikation und Regression | 03 | Der random forest (PDF)

Du kennst jetzt das Verfahren eines einzelnen decision trees. In diesem Video-Transkript befassen wir uns weiter mit Baum-basierten Verfahren, und...

Heinrich-Heine-Universität Düsseldorf

AI, Artificial Intelligence, Baum-basiertes Verfahren, Entscheidungswald, Hyperparameter, Informatik, KI, ML, Prognose, Technologie, Trade-off, Varianz, Verzerrung, bagging, eLearning, künstliche Intelligenz, machine learning, maschinelles Lernen, random feature subspacing, random forest

Video: Generative Modelle | 03 | Transformer (MP4)

Generative Modelle | 03 | Transformer (MP4)

Die generative KI-Anwendung ChatGPT ist in aller Munde. Aber welcher Algorithmus steckt eigentlich dahinter? In diesem Video beschäftigen wir uns mit...

Heinrich-Heine-Universität Düsseldorf

AI, Algorithmus, Artificial Intelligence, Aufmerksamkeitsmechanismus, ChatGPT, GenAI, Informatik, KI, KI-Modell, Technologie, Texterzeugung, Transformer, eLearning, generative KI, generatives KI-Modell, künstliche Intelligenz

Video: Clustering: vom Sortieren bis zum Explorieren | 04 | Evaluation und Interpretation Topic Models (MP4)

Clustering: vom Sortieren bis zum Explorieren | 04 | Evaluation und Interpretation Topic Models (MP4)

Du hast bereits die Evaluation von Clustering kennengelernt. In diesem Video widmen wir uns spezieller der Evaluation und Interpretation von...

Heinrich-Heine-Universität Düsseldorf

AI, Artificial Intelligence, Barchart, Clustering, Clusteringverfahren, Daten, Dendrogramm, Evaluation, Gruppierung, Informatik, Interpretierbarkeit, Intertopic Distance Map, KI, Label, Model Precision, Partitionierung, Technologie, Topic Intrusion, Topic Log Odds, Topic Model, Topics, Word Intrusion, eLearning, künstliche Intelligenz, überwachtes Lernen

Kurs: Datenbeschaffung und -aufbereitung | 04 | Verzerrungen und Repräsentativität (PDF)

Datenbeschaffung und -aufbereitung | 04 | Verzerrungen und Repräsentativität (PDF)

Von dem Wort Bias hast du sicher schon eine Menge gehört. Doch was genau ist das eigentlich? In diesem Video-Transkript beschäftigen wir uns mit...

Heinrich-Heine-Universität Düsseldorf

AI, Artificial Intelligence, Bias, Daten, Datenaufbereitung, Datenverzerrung, Feature Engineering, Generalisierbarkeit, Informatik, KI, ML, Repräsentativität, Selection Bias, Selektionsbias, Stichprobe, Survivorship Bias, Technologie, Trainingsdaten, Verzerrung, eLearning, künstliche Intelligenz, machine learning, maschinelles Lernen, verzerrte Daten

Als Anwendung installieren

Installieren Sie HubbS als App für ein besseres Nutzungserlebnis. Mehr erfahren.

Abbrechen