Einführung in maschinelles Lernen in Sportanalyse-Quizzes & Antworten – Coursera

Tauchen Sie ein in die dynamische Welt der Sportanalyse mit spannenden Quizzen und Expertenantworten Einführung in maschinelles Lernen in der Sportanalyse. Entdecken Sie, wie maschinelle Lernalgorithmen die Analyse und Nutzung von Sportdaten revolutionieren, um Einblicke in die Spielerleistung zu gewinnen, Spielstrategien und mehr. Diese Tests dienen als Einstieg zum Verständnis der Anwendung von Maschinelles Lernen im Sport, von der prädiktiven Modellierung bis zur Leistungsoptimierung.

Egal, ob Sie ein Sportbegeisterter sind, der von der Schnittstelle zwischen Informatik und Sport fasziniert ist, oder ein Datenanalyst, der in die Welt der Sportanalysen eintauchen möchte, Diese Sammlung bietet wertvolle Einblicke in die Kraft von Maschine Lernen die Sportindustrie zu verändern. Begleiten Sie uns auf einer datengesteuerten Entdeckungsreise, während wir die Verschmelzung von erkunden Maschine Lernen und Sportanalyse um neue Möglichkeiten zum Verständnis und zur Verbesserung der sportlichen Leistung zu eröffnen.

Quiz 1: Abtretung 1

Q1. Es gibt einige Hauptzweige des maschinellen Lernens. Wenn Sie die Bezeichnung für Ihre Trainingsdaten haben und ein Modell erstellen möchten, das diese Bezeichnung vorhersagt, Was ist das für ein maschinelles Lernen??

• Beaufsichtigt
• Verstärkung
• Künstlich
• Unbeaufsichtigt

Q2. Was ist eine Minderheitsklasse von Daten??

• Etiketten, die schlecht ausgewählt sind
• Etiketten, die leicht vorherzusagen sind
• Beschriftungen zur Demografie der Spieler
• Labels, für die Sie weniger Instanzen haben

Q3. Welche Daten stellen Sie dem Machine-Learning-Algorithmus zum Lernen zur Verfügung??

• Trainingsdaten
• Validierungsdaten
• Auswertungsdaten
• Daten testen

Q4. In meinem Modell der NHL-Spieldaten musste ich mich mit der Einführung einer neuen Mannschaft auseinandersetzen, die Vegas Golden Knights. Für dieses Team habe ich mich einfach naiv dafür entschieden, die historischen Statistiken nur mit Durchschnittswerten der anderen Teams zu füllen. Aber gehen Sie davon aus, dass ich eine andere Strategie gewählt habe, und ließ alle Spiele fallen, in denen die Vega Gold Knights spielten. Was ist die neue Genauigkeitsmetrik für mein Modell, nachdem Gold Knights-Spiele aus den Daten entfernt wurden??

Zu dieser Frage, Ändern Sie nicht die Größe des Trainingssatzes, und die Größe des Testsatzes wird automatisch verkleinert. Geben Sie Ihre Antwort mit zwei Dezimalstellen ein.

Geben Sie hier die Antwort ein

Woche 2: Einführung in maschinelles Lernen in Sportanalyse-Quizantworten

Quiz 1: Abtretung 2

Q1. In einer linearen SVM mit zwei Klassen, Was ist die Straße??

• Eine zufällige Wanderung der Unterstützungsvektoren
• Eine Polynomgleichung, die die Klassen am besten darstellt
• Die beiden Funktionen, die unsere SVM erstellen
• Die Hyperebene, die zwei Klassen trennt

Q2. Welche Funktion rufen Sie auf, um in sklearn ein Modell aus Daten zu erstellen??

• Modell()
• Zug()
• bauen()
• fit()

Q3. Was ist der Zweck der Kreuzvalidierung??

• Um die Daten auszugleichen, wenn wir mehr Klassen erhalten (Etiketten) zu prognostizieren
• Um eine bessere Schätzung der Genauigkeit des endgültigen Modells zu erhalten
• Um ein genaueres Modell zu erstellen
• Um eine Verwirrungsmatrix zu erstellen

Q4. Schauen Sie sich die Baseball-Daten an, in denen wir eine Multiklassen-Vorhersage gemacht haben, Erstellen Sie eine Verwirrungsmatrix und studieren Sie sie. Welche Klasse überschätzen wir regelmäßig am meisten?? Geben Sie die Bezeichnung dieser Klasse in Form von zwei Großbuchstaben an (z.B.. AB).

Geben Sie hier die Antwort ein

Q5. Wird diese Klasse eine höhere Präzision oder einen höheren Rückrufwert haben??

• abrufen
• Präzision

Woche 3: Einführung in maschinelles Lernen in Sportanalyse-Quizantworten

Quiz 1: Abtretung 3

Q1. Was bedeutet es, dass eine Reihe von Beobachtungen „rein“ ist??

• Es ist unausgewogen in Bezug auf die Klasse
• Es ist klassenmäßig ausgewogen
• Es geht um eine kanadische Mannschaft oder einen kanadischen Spieler
• Es ist hinsichtlich der Klasse homogen

Q2. Für jede Teilung, Wie viele Funktionen teilt CART gleichzeitig auf??

• 1
• Irgendeine Nummer
• Alles
• 0

Q3. Welche Art von Vorhersageziel macht ein M5P-Baum??

• Ein Etikett
• Ein numerischer Wert
• Eine Anordnung

Q4. Nachdem sich ein Entscheidungsbaum für ein Feature geteilt hat, Wird es dieses Feature erneut in einen Teilbaum aufteilen??

• Nein
• Kann sein
• Ja

Q5. Kehren Sie zu unserer NHL-Spielergebnis-Vorhersageaufgabe in „observations.csv“ zurück. Wenden Sie einen CART DecisionTree auf dieses Problem mit GridSearchCV über den folgenden Parameterraum an:

Parameter={'maximale Tiefe':(3,4,5,6,7,8,9,10),
„min_samples_leaf“:(1,5,10,15,20,25)}

Stellen Sie Ihren Lebenslauf auf 10 ein, Verwenden Sie Genauigkeit als Ihre Messgröße, und lassen Sie die Vegas Golden Knights fallen. Stellen Sie Ihren Trainingssatz auf Beobachtungen ein[0:800] und Ihre Validierung ist auf Beobachtungen eingestellt[800:], und verwende meine Lieblingszahl für den Randomisierungsstatus. Welche Genauigkeit liefert Ihr Modell? (auf vier Dezimalstellen genau)?

Geben Sie hier die Antwort ein

Q6. Welcher Parametersatz ist im Vorgängermodell am besten?? Geben Sie Ihre Parameter als Zeichenfolgenwert für max_ Depth ein:min_samples_leaf, z.B.. 5:20 Wenn GridSearchCV max_ Depth = 5 und min_samples_leaf = 20 gefunden hat, ist dies die richtige Antwort.

Geben Sie hier die Antwort ein

Woche 4: Einführung in maschinelles Lernen in Sportanalyse-Quizantworten

Quiz 1: Abtretung 4

Q1. Wenn Sie einen Klassifikator mit zwei Merkmalen erstellt haben und Ihre Daten visualisiert haben und festgestellt haben, dass sie ungefähr durch a getrennt sind 45 Grad, Mit welchem ​​Klassifikator würden Sie zuerst beginnen, um die besten Ergebnisse zu erzielen??

• SVM
• Verwirrung Matrix
• M5P-Baum
• Entscheidungsbaum

Q2. Was ist der Zweck von GridSearch??

• Es handelt sich um einen Regressionsmechanismus, der Entscheidungsbäume verwendet.
• Es verbessert unser Verständnis der Verwirrungsmatrix.
• Es hilft, Blätter von großen Bäumen zu beschneiden.
• Es bietet eine Hyperparameter-Optimierungsmethode.

Q3. Welche Art von Ensemble-Methode erstellt für Sie mehrere Klassifikatoren mit zufälligen Teilmengen von Daten??

• Erhöhen
• Absacken
• Wählen
• Stapeln

Q4. Welche Art von Modellierern können zu einem Voting-Ensemble für das Box-Punch-Erkennungsproblem zusammengefasst werden? (wähle alle, die zutreffen)?

Beachten Sie, dass das Problem der Erkennung von Boxschlägen eine Klassifizierungsaufgabe ist.

• Entscheidungsbäume
• SVMs
• Polynom-SVMs
• Lineare Regression
• Logistische Regression
• Kreuzvalidierung
• Absackklassierer
• Gradientenverstärkender Klassifikator
• Verpackungsklassifikator