Treffer: Random Forest-Klassifikation mit Scikit-learn
Title:
Random Forest-Klassifikation mit Scikit-learn
Authors:
Subject Terms:
Klassifikation (Klassifikationssystem, Klassifizierung), AI Literacy, Künstliche Intelligenz (Computerunterstützte Intelligenz, Maschinelle Intelligenz), KI für Alle, elearning, Programmierung (Computer, Programmiertechnik), Informatik, Fachübergreifend, Studienbereich Informatik, Ingenieurwissenschaften
Document Type:
course material<br />moving image (video)
Language:
German
Availability:
Accession Number:
edsbas.6AC3BCBC
Database:
BASE
Weitere Informationen
In diesem Video lernst du, wie du ein Random Forest Modell in Python mit dem Modul Scikit-learn erstellen kannst. Du siehst, wie der Random Forest mit dem Wine Recognition Datensatz für die Klassifikation trainiert und evaluiert wird. Außerdem erfährst du, welche Parameter des Modells einen Einfluss auf die Klassifikationsgüte haben. Lernziele: Du erstellst ein Random Forest-Klassifikationsmodell für einen gegebenen Datensatz Du benennst die Parameter des Random Forest-Modells, die einen großen Einfluss auf die Klassifikationsgüte haben Du nutzt ein trainiertes Random Forest-Modell, um für Beobachtungen der Testmenge die Klasse zu prognostizieren Du bewertest die Güte eines Random Forest-Modells mit Accuracy