Dies ist eine alte Version des Dokuments!
LU01d - LB2: Titanic Challange
Lernziele
- Die Gewichtung der LB2 kennen.
- Machine Learning an der Kaggle-Challange „Titanic“ anwenden-
Einleitung
Nachdem wir in der LB1.1 und LB1.2 die Grundlagen mit Python und der Python-Bibliothek PANDAS (wichtigste Python-Bibliothek für die Datenanalyse und Datenmanipulation), können wir uns nun dem eigentlichen Thema widmen: Der Starter-Challange TITANIC.
LB2 - Titanic Challange
Bearbeiten Sie die Übung LU03.A03 - TITANIC Challange in der vorgegebenen Zeit und zeigen Sie abschliessend den Status zur Abnahme Ihrer Lehrperson bzw. laden das Ergebnis hoch.
Benotung
| Note | Score | Bewertung | Beschreibung |
|---|---|---|---|
| 6.0 | >0.82 | Exzellent | Herausragendes Feature Engineering. Du hast komplexe Muster (wie Familienstrukturen oder Deck-Informationen) erfolgreich genutzt. |
| 5.5 | 0.80-0.82 | Sehr gut | Ein sehr starkes Modell. Du hast wahrscheinlich Ensembling oder fortgeschrittene Imputationstechniken verwendet. |
| 5.0 | 0.78-0.79 | Gut | Solide Leistung. Die wichtigsten Features (Geschlecht, Alter, Klasse) wurden korrekt verarbeitet und ein Standard-Classifier (z.B. Random Forest) gut getuned. |
| 4.5 | 0.76-0.77 | Befriedigend | Ein guter Anfang. Das Modell schlägt den „Gender Only“-Baseline-Score (ca. 0.765) knapp. |
| 4.0 | 0.75-0.76 | Genügend | Du liegst im Bereich der „Gender-Baseline“. Das bedeutet, dein Modell hat das Grundmuster (Frauen überleben eher) erkannt, aber noch keine tiefen Insights generiert. |
| 3.0 | 0.70-0.74 | Ungenügend | Das Modell ist kaum besser als eine einfache Heuristik. Es gibt wahrscheinlich Probleme beim Data Cleaning oder Overfitting. |
|---|---|---|---|
| 2.0 | 0.60-0.69 | Schwach | Das Modell lernt nur sehr wenig aus den Daten. Wichtige Korrelationen wurden übersehen. |
| 1.0 | <0.60 | Fast Zufall | Ungenügend / Zufall: Ein Score in diesem Bereich deutet darauf hin, dass das Modell schlechter als ein einfacher Zufallstipp ist oder die Daten falsch aufbereitet wurden. |
Hinweis
- Es wird die reguläre Notenberechnungsformel verwendet.
- Die Kontrolle wird durch 2-3 Kontrollfragen abschlossen, die sicherstellen sollen, dass die Arbeit tatsächlich vom Lernenden durchgeführt und verstanden wurde.
- Fehlende Eigenleistung (Fragen können nicht oder nur ungenügend beantwortet werden) führt zur Note 1.0.
- Laden Sie abschliessend Ihr Zertifikat hoch, welches Sie von der Kaggle-Seite herunterladen können (Linke vertikale Leiste | Learn | Completed | View Zerfiticate)
Volkan Demir