17.02 – 23.02

Machinelles Lernen - Praxis mit scikit-learn

Zielsetzung

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.