Samenvatting
APML Summary - Applications of Machine Learning
- Vak
- Instelling
Summary of the APML course for information science on UU
[Meer zien]Voorbeeld 3 van de 23 pagina's
Voorbeeld 3 van de 23 pagina's
In winkelwagen
In winkelwagen
Verkoper
Volgen
timb3
Voorbeeld van de inhoud
ContentLecture 2............................................................................................................................................1
Lecture 3............................................................................................................................................3
Lecture 4............................................................................................................................................5
Lecture 5............................................................................................................................................6
Lecture 6............................................................................................................................................7
Lecture 7............................................................................................................................................7
Lecture 8............................................................................................................................................7
Lecture 9............................................................................................................................................8
Lecture 10........................................................................................................................................10
Lecture 11........................................................................................................................................10
Lecture 12........................................................................................................................................12
Lecture 13........................................................................................................................................13
Lecture 14........................................................................................................................................15
Lecture 15........................................................................................................................................16
Lecture 16........................................................................................................................................18
Lecture 17 (guest lectures)..............................................................................................................19
Booking.com................................................................................................................................19
eScience center............................................................................................................................21
Lecture 2
Decision tree
- Split the set of instances in subsets such that the variation within each subset becomes
smaller
Entropy = degree of uncertainty
,First number means total classified here, second number means incorrectly classified ones of the
total
Exercise
What is tree depth? how many squares there are, 3
Would you further grow tree? yes, ‘young’ has 55 incorrectly classified out of 381. Further
growing could prove usefu
Confusion matrix and measures
Quality measures
Error
, - (FP + FN) / total
How many of the actual negative instances did the model identify?
Accuracy
- (TP + TN) / total
How many instances did the model classify correctly over all instances?
Precision
- TP / (TP + FP)
How many of the predicted positive instances are actually positive?
Recall
- TP / (TP + FN)
How many of the actual positive instances did the model identify?
F1 score
- 2 * (precision * recall) / (precision + recall)
A balance between precision and recall
Exercise
What setting would you choose for the tree size?
Answer between 10 and 20 are the best results, smaller tree is generally better so 10
Lecture 3
Overfitting
- The model is too specific for the data set used to learn the model and performs poorly on
new instances
- High variance
Underfitting
- The model is too general and does not exploit the data
- High bias
Voordelen van het kopen van samenvattingen bij Stuvia op een rij:
√ Verzekerd van kwaliteit door reviews
Stuvia-klanten hebben meer dan 700.000 samenvattingen beoordeeld. Zo weet je zeker dat je de beste documenten koopt!
Snel en makkelijk kopen
Je betaalt supersnel en eenmalig met iDeal, Bancontact of creditcard voor de samenvatting. Zonder lidmaatschap.
Focus op de essentie
Samenvattingen worden geschreven voor en door anderen. Daarom zijn de samenvattingen altijd betrouwbaar en actueel. Zo kom je snel tot de kern!
Veelgestelde vragen
Wat krijg ik als ik dit document koop?
Je krijgt een PDF, die direct beschikbaar is na je aankoop. Het gekochte document is altijd, overal en oneindig toegankelijk via je profiel.
Tevredenheidsgarantie: hoe werkt dat?
Onze tevredenheidsgarantie zorgt ervoor dat je altijd een studiedocument vindt dat goed bij je past. Je vult een formulier in en onze klantenservice regelt de rest.
Van wie koop ik deze samenvatting?
Stuvia is een marktplaats, je koop dit document dus niet van ons, maar van verkoper timb3. Stuvia faciliteert de betaling aan de verkoper.
Zit ik meteen vast aan een abonnement?
Nee, je koopt alleen deze samenvatting voor €5,99. Je zit daarna nergens aan vast.
Is Stuvia te vertrouwen?
4,6 sterren op Google & Trustpilot (+1000 reviews)
Afgelopen 30 dagen zijn er 83750 samenvattingen verkocht
Opgericht in 2010, al 14 jaar dé plek om samenvattingen te kopen