Modellierungszusammenfassung
Sie wissen nun, wie man ein Modell erstellt, Pipelines verwendet und Hyperparameter abstimmt. Außerdem wurden zwei Evaluierungsmethoden behandelt: Train-Test-Split und Kreuzvalidierung.
Der nächste Schritt ist die Kombination von Evaluierung und Abstimmung mit GridSearchCV oder RandomizedSearchCV.
Da unser Datensatz sehr klein ist, verwenden wir das GridSearchCV, aber alles Nachfolgende gilt ebenso für ein RandomizedSearchCV.
Da die Kreuzvalidierung stabiler ist als ein einzelner Train-Test-Split, besteht das Ziel darin, die höchste Kreuzvalidierungsbewertung zu erreichen.
GridSearchCV durchsucht die Hyperparameter und findet diejenigen, die diese Bewertung maximieren. Die beste Bewertung wird in .best_score_ gespeichert.
Hyperparameter, die für einen Datensatz am besten funktionieren, generalisiert möglicherweise nicht, wenn neue Daten hinzukommen.
Daher kann .best_score_ höher sein als die Leistung des Modells auf vollständig unbekannten Daten.
Ein typischer Arbeitsablauf: Aufteilen in Trainings- und Testdatensatz; Durchführung der Kreuzvalidierung auf dem Trainingsdatensatz zur Modelloptimierung; anschließend Bewertung des optimierten Modells auf dem Testdatensatz zur Messung der realen Leistungsfähigkeit.
Zusammenfassung:
- Daten vorverarbeiten;
- In Trainings- und Testdatensatz aufteilen;
- Kreuzvalidierung auf dem Trainingsdatensatz zur Bestimmung der optimalen Konfiguration verwenden;
- Bewertung auf dem Testdatensatz.
Der dritte Schritt umfasst in der Regel das Testen von mehreren Algorithmen und das Anpassen ihrer Hyperparameter, um die beste Option zu identifizieren. Zur Vereinfachung wurde in diesem Kurs nur ein einzelner Algorithmus verwendet.
Kreuzvalidierung ist nicht immer die beste Option. Bei großen Datensätzen wird die Berechnung der CV-Werte aufwendig, während ein Train-Test-Split durch die große Testmenge stabiler wird.
Große Datensätze werden häufig in Trainings-, Validierungs- und Testdatensätze aufgeteilt. Hyperparameter werden anhand der Leistung auf dem Validierungsdatensatz ausgewählt. Abschließend wird das gewählte Modell auf dem Testdatensatz bewertet, um zu überprüfen, wie gut es generalisiert.
Der Penguins-Datensatz ist klein und umfasst nur 342 Instanzen. Aufgrund dieser begrenzten Größe wird im nächsten Kapitel der Kreuzvalidierungswert zur Bewertung herangezogen.
Danke für Ihr Feedback!
Fragen Sie AI
Fragen Sie AI
Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen
What is the difference between GridSearchCV and RandomizedSearchCV?
Can you explain how cross-validation works in more detail?
Why is cross-validation preferred for small datasets?
Großartig!
Completion Rate verbessert auf 3.13Modellierungszusammenfassung
Swipe um das Menü anzuzeigen
Sie wissen nun, wie man ein Modell erstellt, Pipelines verwendet und Hyperparameter abstimmt. Außerdem wurden zwei Evaluierungsmethoden behandelt: Train-Test-Split und Kreuzvalidierung.
Der nächste Schritt ist die Kombination von Evaluierung und Abstimmung mit GridSearchCV oder RandomizedSearchCV.
Da unser Datensatz sehr klein ist, verwenden wir das GridSearchCV, aber alles Nachfolgende gilt ebenso für ein RandomizedSearchCV.
Da die Kreuzvalidierung stabiler ist als ein einzelner Train-Test-Split, besteht das Ziel darin, die höchste Kreuzvalidierungsbewertung zu erreichen.
GridSearchCV durchsucht die Hyperparameter und findet diejenigen, die diese Bewertung maximieren. Die beste Bewertung wird in .best_score_ gespeichert.
Hyperparameter, die für einen Datensatz am besten funktionieren, generalisiert möglicherweise nicht, wenn neue Daten hinzukommen.
Daher kann .best_score_ höher sein als die Leistung des Modells auf vollständig unbekannten Daten.
Ein typischer Arbeitsablauf: Aufteilen in Trainings- und Testdatensatz; Durchführung der Kreuzvalidierung auf dem Trainingsdatensatz zur Modelloptimierung; anschließend Bewertung des optimierten Modells auf dem Testdatensatz zur Messung der realen Leistungsfähigkeit.
Zusammenfassung:
- Daten vorverarbeiten;
- In Trainings- und Testdatensatz aufteilen;
- Kreuzvalidierung auf dem Trainingsdatensatz zur Bestimmung der optimalen Konfiguration verwenden;
- Bewertung auf dem Testdatensatz.
Der dritte Schritt umfasst in der Regel das Testen von mehreren Algorithmen und das Anpassen ihrer Hyperparameter, um die beste Option zu identifizieren. Zur Vereinfachung wurde in diesem Kurs nur ein einzelner Algorithmus verwendet.
Kreuzvalidierung ist nicht immer die beste Option. Bei großen Datensätzen wird die Berechnung der CV-Werte aufwendig, während ein Train-Test-Split durch die große Testmenge stabiler wird.
Große Datensätze werden häufig in Trainings-, Validierungs- und Testdatensätze aufgeteilt. Hyperparameter werden anhand der Leistung auf dem Validierungsdatensatz ausgewählt. Abschließend wird das gewählte Modell auf dem Testdatensatz bewertet, um zu überprüfen, wie gut es generalisiert.
Der Penguins-Datensatz ist klein und umfasst nur 342 Instanzen. Aufgrund dieser begrenzten Größe wird im nächsten Kapitel der Kreuzvalidierungswert zur Bewertung herangezogen.
Danke für Ihr Feedback!
