Einführung
Beim supervised learning möchten wir die Beziehung zwischen zwei Datensätzen lernen: den beobachteten Daten X
und einer externen Variable y
, die wir vorherzusagen wünschen.
Es gibt zwei Haupttypen von supervised learning-Problemen: Klassifikation und Regression. Bei der Klassifikation ist das Ziel, die Klasse oder Kategorie einer Beobachtung vorherzusagen, während bei der Regression das Ziel ist, eine kontinuierliche Zielfunktion vorherzusagen.
In diesem Lab werden wir die Konzepte des supervised learning erkunden und sehen, wie wir sie mit scikit-learn, einer beliebten Machine-Learning-Bibliothek in Python, implementieren können. Wir werden Themen wie die Klassifikation mit nächsten Nachbarn, lineare Regression und Support-Vector-Machines (SVMs) behandeln.
Tipps für die VM
Nachdem der Start der VM abgeschlossen ist, klicken Sie in der oberen linken Ecke, um zur Registerkarte Notebook zu wechseln und Jupyter Notebook für die Übung zu nutzen.
Manchmal müssen Sie einige Sekunden warten, bis Jupyter Notebook vollständig geladen ist. Die Validierung von Vorgängen kann aufgrund von Einschränkungen in Jupyter Notebook nicht automatisiert werden.
Wenn Sie bei der Lernphase Probleme haben, können Sie Labby gerne fragen. Geben Sie nach der Sitzung Feedback ab, und wir werden das Problem für Sie prompt beheben.