Nachdem wir uns letzte Woche ein theoretisches Fundament zum
maschinellen Lernen erarbeitet haben, möchten wir in dieser Woche
praktisch mit der Python-Library
scikit-learn maschinelle Lernverfahren
anwenden. Auch hier ist das Ziel ein grundsätzliches Verständnis ohne
viele Detail. Die Library scikit-learn biete ein sehr schönes
konsistentes Interface zu verschiedenen Verfahren und Hauptziel ist es
hierfür ein Gefühl zu erlangen. Die in der letzte Wochen
angesprochenen Themen wie Feature-Skalierung und Cross-Validation
werden zum Beispiel nicht durchführen.
Für die Durchführung erstellen Sie bitte einen Ordner
machine_learning in ihrem Modul-Ordner. In diesem soll für jedes der
drei Themen (Klassifikation, Regression, Dimensionreduktion) ein
Jupyter-Notebook erstellt werden. Die Klassifikation-Übung ist
obligatorisch, Regression und Dimensionreduktion-Übungen sind
fakultativ. Die Einreichung der Ergebnisse erfolgt über einen Commit
bis zum Präsenztag. Musterlösungen sind hier zu finden.
Jetzt wünschen wir viel Spaß mit scikit-learn.