Oh sorry, das war ein Falsch-Positiv
Stang, Marco
; Molinar, Gabriela
; Molinar, Gabriela- 00:00:00 Start
- 00:01:07 Metriken für Klassifizierungsmodelle
- 00:01:16 Wahrheitsmatrix
- 00:02:33 Korrektklassifikationsrate (Accuracy)
- 00:03:12 Positiver Vorhersagewert (precision)
- 00:03:48 Sensitivität (recall)
- 00:04:42 F-One Score
- 00:04:58 Das Generalisieren
- 00:06:15 Data Augmentation
- 00:06:56 Zusammenfassung
| Zugehörige Institution(en) am KIT | Institut für Technik der Informationsverarbeitung (ITIV) Universität Karlsruhe (TH) – Zentrale Einrichtungen (Zentrale Einrichtungen) Zentrum für Mediales Lernen (ZML) |
| Publikationstyp | Audio & Video |
| Publikationsdatum | 19.10.2021 |
| Erstellungsdatum | 20.09.2021 |
| Sprache | Deutsch |
| DOI | 10.5445/IR/1000139090 |
| Identifikator | KITopen-ID: 1000139090 |
| Lizenz | Creative Commons Namensnennung – Weitergabe unter gleichen Bedingungen 4.0 International |
| Bemerkung zur Veröffentlichung | In diesem Video wird die Klassifikation behandelt, eine weitere Form des überwachten Lernens, die anders als die Regression nicht mit kontinuierlichen Werten im Ausgang arbeitet, sondern diskrete Klassen zurückgibt. Folglich werden auch neue Metriken zur Bestimmung der Performanz von Klassifikationsmodellen benötigt, die in diesem Video vorgestellt werden. Daneben wird das „Generalisieren“ im Kontext der Klassifikation erläutert und die Technik der Data-Augmentation erklärt. |
| Nachgewiesen in | OpenAlex |
| Globale Ziele für nachhaltige Entwicklung | |
| Serie | Angewandte Machine Learning Algorithmen (AMALEA) |
| Folge | 8 |