Review Note

Last Update: 05/11/2023 09:23 AM

Current Deck: Semester 6::Neue Konzepte::Data Science

New Card (Unpublished)

No published tags.

Erkläre die Modell Evaluierung im CRISP-DM Data Mining Prozess

wichtig, um die Data-Mining-Ergebnisse zu bewerten und vor dem Einsatz Vertrauen in ihre Gültigkeit und Zuverlässigkeit zu gewinnen.
hilft sicherzustellen, dass das Modell die ursprünglichen Geschäftsziele erfüllt.
Die Bewertung umfasst sowohl quantitative als auch qualitative Beurteilungen, und die verschiedenen Interessengruppen haben ein Interesse an den geschäftlichen Entscheidungen, die durch die resultierenden Modelle erreicht oder unterstützt werden.
Modell sollte verständlich für die Beteiligten machen (nicht nur für die Datenwissenschaftler).
Ein umfassender Bewertungsrahmen ist wichtig, da es schwierig oder unmöglich sein kann, detaillierte Informationen über die Leistung eines eingesetzten Modells zu erhalten.
In einigen Fällen kann die Evaluierung auf die Entwicklungsumgebung ausgedehnt werden, z. B. durch Instrumentierung eines Live-Systems, um randomisierte Experimente durchführen zu können.
Bei der Evaluierung müssen mögliche Änderungen des Verhaltens oder der Eingabedaten in der Einsatzumgebung berücksichtigt werden.