AI-demo – Classificatie
In deze module wordt u meegenomen door het proces van het trainen van een classificatie algoritme voor machine learning. Hierbij worden belangrijke aspecten van classificatie belicht, waaronder het splitsen van de data en evaluatiemetrieken. Deze demo zal plaatsvinden in de context van een fictieve taak.
Je kunt je eigen eerste model bouwen door onze module “Mijn eerste model” te volgen. Als eerste stap wordt u uitgenodigd om een account aan te maken op BigML.com met verwerking van de promotiecode “AXVECO”.
Een classificatiealgoritme modelleren
Deze (8 minuten durende) video brengt je van het uploaden van data naar het modelleren van een beslisboomalgoritme. De hoofdstukken zijn bedoeld om het navigeren te vergemakkelijken.
Classificatiealgoritmen evalueren
Deze (12 minuten durende) video behandelt evaluatiemetrieken voor classificatiemodellen en hoe deze te interpreteren. Om het navigeren te vergemakkelijken, zijn er hoofdstukken voorzien. (Als je al een classificatiemodel hebt om te evalueren, waarbij je test data klaar hebt, kun je het hoofdstuk “Evaluatie” overslaan: Verwarringsmatrix”)
Belangrijkste leerpunten
- Je zou data moeten kunnen uploaden naar en een classificatiemodel moeten kunnen uitvoeren op BigML.
- Het splitsen van data is noodzakelijk voor het testen van het model (meestal 80% training, 20% testen).
- Om je model te evalueren moet je de voorspelde waarden van de test data vergelijken met hun werkelijke waarden.
- Een belangrijk hulpmiddel voor het evalueren van een classificatiealgoritme is een verwarringsmatrix.
- Nauwkeurigheid vertelt misschien niet het hele verhaal, er kunnen kosten verbonden zijn aan fout-negatieven en fout-positieven.
- Begrijp dat precisie en recall belangrijk zijn bij evaluatie.