/
Browse /
Courses /
Developing Classification Models with the Python Machine Learning Client for SAP HANA | ES /
Evaluar y probar el modelo

Comprender la clasificación con SAP HANA

Configuración del entorno y análisis de datos con los nombres de datos de SAP HANA

Formación de un modelo de clasificación PAL para el conjunto de datos de abandono de empleados

Evaluar y probar el modelo

Comprender la clasificación con SAP HANA

Configuración del entorno y análisis de datos con los nombres de datos de SAP HANA

Formación de un modelo de clasificación PAL para el conjunto de datos de abandono de empleados

Evaluar y probar el modelo

Knowledge quiz

It's time to put what you've learned to the test, get 3 right to pass this unit.

Choose the correct answer.

La precisión general de los modelos de regresión o predicciones.

El flujo estructural y la lógica de los modelos de árbol de decisión.

Las métricas de rendimiento de un algoritmo de clasificación.

Los atributos dimensionales de los datos para obtener una mejor información.

There are three correct answers.

Precisión para medir predicciones positivas verdaderas para una clase.

Recuperar para determinar la sensibilidad en la detección de casos positivos.

Puntuación F1 para equilibrar la precisión y recuperar compensaciones.

RMSE para analizar las tasas de error de predicción globales.

There are two correct answers.

Utilice siempre los conocimientos de dominio para seleccionar funciones.

Tenga en cuenta el problema empresarial antes de iniciar el modelo.

Asegúrese de que las pruebas de modelo solo se realizan en el conjunto de datos de formación.

Utilice el error cuadrado medio (MSE) como métrica de evaluación primaria.