DSAI 2. Test

No image selected

Stoff

  • Regression/Klassifikation
  • Bäume wie die halt funktionieren(Gini)
  • Forests(wie?)
  • GradientBoosting(wie?)
  • train-test-split
  • Cross Validation
  • tuning
  • stratification
  • preprocessing
  • Evaluierung(mse, accuracy, precision, recall)

Theorie

Gewichten

123
756
034

Accuracy

accuracy=TP+TNTP+TN+FP+FN\text{accuracy} = \frac{\text{TP} + \text{TN}}{\text{TP} + \text{TN} + \text{FP} + \text{FN}}

Bei dem Beispiel:

accuracy=7+37+3+5+6=1021≈0.476\text{accuracy} = \frac{7 + 3}{7 + 3 + 5 + 6} = \frac{10}{21} \approx 0.476

Precision

precision=TPTP+FP\text{precision} = \frac{\text{TP}}{\text{TP} + \text{FP}}

Bei dem Beispiel:

precision=77+5=712≈0.583\text{precision} = \frac{7}{7 + 5} = \frac{7}{12} \approx 0.583

Recall

recall=TPTP+FN\text{recall} = \frac{\text{TP}}{\text{TP} + \text{FN}}

Bei dem Beispiel:

recall=77+6=713≈0.538\text{recall} = \frac{7}{7 + 6} = \frac{7}{13} \approx 0.538
FRI3DL DOCS
Theme

Navigation

  • Lexa
  • Preferences
  • Lohnrechner