In diesem Video verwenden wir nun unsere realen Daten, die wir bereits exploriert haben, um mit ihnen Modelle zur Prognose von Studienabbrüchen zu trainieren und zu evaluieren. Im Fokus steht hier die Evaluation und Interpretation der Modelle und ein Vergleich verschiedener Verfahren bzgl. ihrer Prognosegenauigkeit. Wir werden anhand dieses konkreten Beispiels die Idee einiger wichtiger Konzepte, die du bereits kennengelernt hast (z. B. k-fold cross-validation, confusion matrix und einige Metriken), noch einmal nachvollziehen. Nach diesem Video kannst du ... ... die Idee der k-fold cross-validation erläutern. ... eine confusion matrix eines Prognosemodells erläutern. ... die resultierenden Evaluationsmetriken eines Prognosemodells erläutern. ... erläutern, warum der Testfehler (anstatt des Trainingsfehlers) für eine Modellevaluation wichtig ist. ... anhand von Evaluationsmetriken ein Prognosemodell auswählen.