3. Modellauswahl und -bewertung

• 3.1. Kreuzvalidierung: Bewertung der Schätzerleistung
  • 3.1.1. Berechnung von kreuzvalidierten Metriken
  • 3.1.2. Kreuzvalidierungs-Iteratoren
  • 3.1.3. Ein Hinweis zum Mischen
  • 3.1.4. Kreuzvalidierung und Modellauswahl
  • 3.1.5. Permutationstest-Score
• 3.2. Optimierung der Hyperparameter eines Schätzers
  • 3.2.1. Exhaustive Grid Search
  • 3.2.2. Randomisierte Parameteroptimierung
  • 3.2.3. Suche nach optimalen Parametern mit sukzessiver Halbierung
  • 3.2.4. Tipps zur Parametersuche
  • 3.2.5. Alternativen zur Brute-Force-Parametersuche
• 3.3. Optimierung des Entscheidungsschwellenwerts für die Klassenvorhersage
  • 3.3.1. Nachträgliche Einstellung des Entscheidungsschwellenwerts
• 3.4. Metriken und Scoring: Quantifizierung der Qualität von Vorhersagen
  • 3.4.1. Welche Scoring-Funktion sollte ich verwenden?
  • 3.4.2. Überblick über die Scoring-API
  • 3.4.3. Der Parameter scoring: Regeln zur Modellbewertung definieren
  • 3.4.4. Klassifikationsmetriken
  • 3.4.5. Multilabel-Ranking-Metriken
  • 3.4.6. Regressionsmetriken
  • 3.4.7. Clustering-Metriken
  • 3.4.8. Dummy-Schätzer
• 3.5. Validierungskurven: Plotten von Scores zur Bewertung von Modellen
  • 3.5.1. Validierungskurve
  • 3.5.2. Lernkurve