Einführung
Dieses Modul folgt auf die beiden vorhergehenden Module des Lernpfads Vorhersagen von Verzögerungen bei Raketenstarts mithilfe von maschinellem Lernen.
Tipp
Arbeiten Sie dieses Modul direkt nach Abschluss des vorherigen Moduls in diesem Lernpfad (Datensammlung und -bearbeitung) durch, um optimale Ergebnisse zu erzielen. Andernfalls können Fehler auftreten, oder andere Ergebnisse angezeigt werden. Falls das passiert, können Sie die Befehle im vorherigen Modul erneut ausführen, bevor Sie mit diesem Modul beginnen.
Sie haben bereits 300 Zeilen mit Wetterdaten zu 60 Raketenstarts und einigen Tagen vor und nach einem Start importiert. Mithilfe einer vereinfachten Version der Datenbereinigung und -bearbeitung haben Sie Ihre Daten an einem Ort zusammengetragen, an dem Sie Machine-Learning-Algorithmen verwenden können, um anhand der Daten Erkenntnisse zu gewinnen.
In diesem Modul verwenden Sie einen Entscheidungsstrukturklassifizierer, um Erkenntnisse aus Rohdaten zum Wetter und zu Raketenstarts zu erhalten. Dieses Modul konzentriert sich auf eine lokale Analyse Ihrer Daten mithilfe von scikit-learn.
Tipp
Dieses Modul ist Teil eines multimodalen Lernprogramms. Sehen Sie sich für dieses Modul ein Video mit exemplarischer Vorgehensweise in einer neuen Registerkarte an.
Lernziele
In diesem Modul lernen Sie Folgendes kennen:
- Die Bedeutung der Spaltenauswahl
- Das Aufteilen von Daten, um einen Machine-Learning-Algorithmus effektiv zu trainieren und zu testen
- Das Trainieren, Testen und Ermitteln des Scores eines Machine-Learning-Algorithmus
- Das Visualisieren eines Strukturklassifizierungsmodells