Diese Übung ist Teil des Kurses
Da der kNN-Algorithmus im wahrsten Sinne des Wortes "durch Beispiele lernt", ist er ein gutes Beispiel für den Einstieg in das überwachte maschinelle Lernen. In diesem Kapitel wird die Klassifizierung vorgestellt und die Anwendung von kNN auf die Erkennung von Verkehrsschildern durch selbstfahrende Fahrzeuge durchgespielt.
Naive Bayes nutzt Prinzipien aus dem Bereich der Statistik, um Vorhersagen zu treffen. In diesem Kapitel werden die Grundlagen der Bayes'schen Methoden vorgestellt und es wird untersucht, wie diese Techniken auf iPhone-ähnliche Zielvorschläge angewendet werden können.
Bei der logistischen Regression wird eine Kurve an numerische Daten angepasst, um Vorhersagen über binäre Ereignisse zu treffen. Dieses Kapitel gibt einen Überblick über die Technik, die wohl zu den am häufigsten verwendeten Methoden des maschinellen Lernens gehört, und zeigt, wie man sie auf Fundraising-Daten anwendet.
Klassifizierungsbäume verwenden Flussdiagramm-ähnliche Strukturen, um Entscheidungen zu treffen. Da Menschen diese Baumstrukturen leicht verstehen können, sind Klassifizierungsbäume nützlich, wenn Transparenz gefragt ist, wie zum Beispiel bei der Kreditvergabe. Wir verwenden den Lending Club-Datensatz, um dieses Szenario zu simulieren.
Aktuelle Übung