Diese Woche bauen wir auf den Grundlagen der letzten Woche auf und arbeiten mit komplexeren linearen Regressionsmodellen. Nach dieser Woche werden Sie in der Lage sein, lineare Modelle mit mehreren erklärenden und kategorialen Variablen zu erstellen. Mathematisch und syntaktisch sind multiple lineare Regressionsmodelle eine natürliche Erweiterung der einfacheren linearen Regressionsmodelle, die wir letzte Woche gelernt haben. Einer der Unterschiede, den wir in dieser Woche beachten müssen, ist, dass unser Datenraum jetzt 3D statt 2D ist. Der Unterschied zwischen 3D und 2D hat Auswirkungen auf die Erstellung aussagekräftiger Visualisierungen. Es ist wichtig zu verstehen, wie man Koeffizienten interpretiert. Beim maschinellen Lernen geht es darum, ein Modell strategisch zu iterieren und zu verbessern. In dieser Woche werden Sie im Labor und in der Peer Review Schwachstellen bei linearen Regressionsmodellen identifizieren und diese strategisch verbessern. Wir hoffen, dass Sie diesen iterativen Prozess im Laufe dieses Kurses immer besser beherrschen werden.

Auch wenn der Name logistische Regression etwas anderes vermuten lässt, werden wir in dieser Woche unsere Aufmerksamkeit von Regressionsaufgaben auf Klassifizierungsaufgaben verlagern. Die logistische Regression ist ein besonderer Fall eines verallgemeinerten linearen Modells. Wie die lineare Regression ist auch die logistische Regression ein weit verbreitetes statistisches Tool und eines der grundlegenden Tools für Ihr Data Science Toolkit. Es gibt viele reale Anwendungen für Klassifizierungsaufgaben, unter anderem im Finanzbereich und in der Biomedizin. In dieser Woche werden Sie sehen, wie dieser klassische Algorithmus Ihnen hilft, vorherzusagen, ob ein Biopsie-Objektträger aus dem berühmten Wisconsin-Brustkrebs-Datensatz eine gutartige oder bösartige Masse aufweist. Wir empfehlen Ihnen auch, in dieser Woche mit dem Abschlussprojekt zu beginnen, das Sie in Woche 7 des Kurses abgeben werden. Suchen Sie diese Woche einen Projektdatensatz, beginnen Sie mit der EDA und definieren Sie Ihr Problem. Nutzen Sie die Projektrubrik als Leitfaden und scheuen Sie sich nicht, sich einige Datensätze anzusehen, bis Sie einen finden, der für das Projekt geeignet ist.

In dieser Woche lernen wir nicht-parametrische Modelle kennen. k-Nächste Nachbarn macht auf einer intuitiven Ebene Sinn. Entscheidungsbäume sind ein überwachtes Lernmodell, das entweder für Regressions- oder Klassifizierungsaufgaben verwendet werden kann. In Modul 2 haben wir den Kompromiss zwischen Verzerrung und Varianz kennengelernt, und wir haben diesen Kompromiss im Laufe des Kurses im Auge behalten. Hochflexible Baummodelle haben den Vorteil, dass sie komplexe, nicht-lineare Beziehungen erfassen können. Sie sind jedoch anfällig für eine Überanpassung. In dieser und der nächsten Woche werden wir uns mit Strategien wie dem Pruning beschäftigen, um eine Überanpassung mit baumbasierten Modellen zu vermeiden. In dieser Woche werden Sie einen KNN-Klassifikator für den berühmten MNIST-Datensatz erstellen und anschließend einen Spam-Klassifikator mit Hilfe eines Entscheidungsbaummodells entwickeln. In dieser Woche werden wir einmal mehr die Macht einfacher, verständlicher Modelle zu schätzen wissen. Machen Sie weiter mit Ihrem Abschlussprojekt. Sobald Sie Ihren Datensatz und Ihre EDA fertiggestellt haben, beginnen Sie mit dem ersten Ansatz für Ihre Hauptaufgabe des überwachten Lernens. Lesen Sie das Kursmaterial durch, lesen Sie Forschungsarbeiten, schauen Sie sich GitHub-Repositories und Medium-Artikel an, um Ihr Thema zu verstehen und Ihren Ansatz zu planen.

Letzte Woche haben wir etwas über Baummodelle gelernt. Trotz aller Vorteile von Baummodellen hatten sie einige Schwächen, die schwer zu überwinden waren. Diese Woche werden wir uns mit Ensemble-Methoden befassen, um die Tendenz von Baummodellen zur Überanpassung zu überwinden. Der Gewinner verwendet in vielen Wettbewerben zum maschinellen Lernen einen Ensemble-Ansatz, bei dem die Vorhersagen von mehreren Baummodellen zusammengefasst werden. In dieser Woche werden Sie zunächst etwas über Random Forests und Bagging lernen, eine Technik, bei der derselbe Algorithmus mit verschiedenen Teilmengen der Trainingsdaten trainiert wird. Dann lernen Sie Boosting kennen, eine Ensemble-Methode, bei der die Modelle nacheinander trainiert werden. Sie werden zwei wichtige Boosting-Algorithmen kennenlernen: AdaBoost und Gradient Boosting. In dieser Woche arbeiten Sie an der Hauptanalyse für Ihr Abschlussprojekt. Iterieren und verbessern Sie Ihre Modelle. Vergleichen Sie verschiedene Modelle. Führen Sie eine Optimierung der Hyperparameter durch. Manchmal kann sich dieser Teil eines Projekts zum maschinellen Lernen mühsam anfühlen, aber es wird sich hoffentlich lohnen, wenn Sie sehen, wie sich Ihre Leistung verbessert.

Diese Woche werden wir uns mit einem weiteren fortgeschrittenen Thema befassen: Support Vector Machines. Lassen Sie sich von dem Namen nicht einschüchtern. In dieser Woche werden wir uns mit diesem leistungsstarken Modell des überwachten Lernens befassen. Wir hoffen, dass Sie ein intuitives Verständnis für die wesentlichen Konzepte wie den Unterschied zwischen harten und weichen Rändern, den Kernel-Trick und die Abstimmung der Hyperparameter entwickeln werden. Nächste Woche werden Sie die drei Ergebnisse Ihres Abschlussprojekts einreichen: den Bericht, die Videopräsentation und einen Link zu Ihrem GitHub-Repository. Nehmen wir an, Sie wollen die Iteration Ihrer Modelle, die Optimierung der Hyperparameter usw. in dieser Woche abschließen. In diesem Fall können Sie in der nächsten Woche Ihrem Bericht den letzten Schliff geben, sicherstellen, dass Ihr GitHub-Repository für die Peer Review bereit ist, und eine hervorragende Präsentation Ihrer Arbeit halten.