Introduction à l'apprentissage automatique dans les quiz d'analyse sportive & Réponses – Coursera

Entrez dans le monde dynamique de l'analyse sportive avec des quiz captivants et des réponses d'experts sur Introduction à l'apprentissage automatique dans l'analyse du sport. Découvrez comment les algorithmes d'apprentissage automatique révolutionnent l'analyse et l'exploitation des données sportives pour fournir des informations sur les performances des joueurs., stratégies de jeu et plus. Ces quiz serviront de passerelle pour comprendre l'application de apprentissage automatique dans le sport, de la modélisation prédictive à l’optimisation des performances.

Que vous soyez un passionné de sport fasciné par l'intersection de l'informatique et du sport ou un analyste de données souhaitant se plonger dans le monde de l'analyse sportive., cette collection offre des informations précieuses sur le pouvoir de machine apprentissage pour transformer l'industrie du sport. Rejoignez-nous dans un voyage de découverte basée sur les données alors que nous explorons la fusion de machine apprentissage et analyse du sport ouvrir de nouvelles possibilités pour comprendre et améliorer les performances sportives.

Quiz 1: Mission 1

Q1. Il existe quelques branches principales de l'apprentissage automatique. Lorsque vous disposez de l'étiquette pour vos données d'entraînement et que vous souhaitez créer un modèle qui prédit cette étiquette, de quel genre d'apprentissage automatique s'agit-il?

• Supervisé
• Renforcement
• Artificiel
• Sans surveillance

Q2. Qu'est-ce qu'une classe de données minoritaire?

• Des étiquettes mal choisies
• Des étiquettes faciles à prédire
• Étiquettes sur les données démographiques des joueurs
• Libellés pour lesquels vous disposez de moins d'instances

T3. Quelles données mettez-vous à la disposition de l'algorithme d'apprentissage automatique pour en tirer des leçons ??

• Données de formation
• Données de validation
• Données d'évaluation
• Données de test

T4. Dans mon modèle des données de jeu de la LNH, j'ai dû faire face à l'introduction d'une nouvelle équipe, les Golden Knights de Vegas. Pour cette équipe, j'ai naïvement décidé de remplir les statistiques historiques avec uniquement les valeurs moyennes des autres équipes.. Mais suppose que j'ai adopté une stratégie différente, et abandonné tous les jeux où les Vega Gold Knights jouaient. Quelle est la nouvelle mesure de précision pour mon modèle après avoir supprimé les jeux Gold Knights des données?

Pour cette question, ne modifiez pas la taille de l'ensemble d'entraînement, et la taille de l'ensemble de test diminuera automatiquement. Mettez votre réponse à deux décimales près.

Entrez la réponse ici

La semaine 2: Introduction à l'apprentissage automatique dans les réponses au quiz sur l'analyse sportive

Quiz 1: Mission 2

Q1. Dans un SVM linéaire à deux classes, quelle est la rue?

• Une marche aléatoire des vecteurs supports
• Une équation polynomiale qui représente le mieux les classes
• Les deux fonctionnalités qui créent notre SVM
• L'hyperplan qui sépare deux classes

Q2. Quelle fonction appelez-vous pour construire un modèle à partir de données dans sklearn?

• Des recherches menées par Northwestern et Stanford montrent que le langage corporel compte plus que la hiérarchie pour faire réfléchir une personne()
• train()
• construire()
• ajuster()

T3. Quel est le but de la validation croisée?

• Pour équilibrer les données à mesure que nous obtenons plus de cours (Étiquettes) prédire
• Pour obtenir une meilleure estimation de la précision du modèle final
• Pour construire un modèle plus précis
• Construire une matrice de confusion

T4. Jetons un œil aux données de baseball où nous avons fait une prédiction multiclasse, créer une matrice de confusion et l'étudier. Quelle classe surestimons-nous régulièrement le plus? Fournissez l'étiquette de cette classe sous forme de deux caractères majuscules (par exemple. DE).

Entrez la réponse ici

Q5. Cette classe aura-t-elle une précision ou un score de rappel plus élevé ??

• rappeler
• précision

La semaine 3: Introduction à l'apprentissage automatique dans les réponses au quiz sur l'analyse sportive

Quiz 1: Mission 3

Q1. Qu'est-ce que cela signifie pour un ensemble d'observations d'être « pur »?

• C’est déséquilibré par rapport à la classe
• C’est équilibré par rapport à la classe
• Il s’agit d’une équipe ou d’un joueur canadien
• C’est homogène par rapport à la classe

Q2. Pour chaque fractionnement, sur combien de fonctionnalités CART est-il divisé en même temps?

• 1
• N'importe quel numéro
• Tout
• 0

T3. Quel type de cible de prédiction un arbre M5P crée-t-il?

• Une étiquette
• Une valeur numérique
• Un tableau

T4. Après la division d'un arbre de décision sur une fonctionnalité, va-t-il se diviser à nouveau sur cette fonctionnalité dans un sous-arbre?

• Non
• Peut être
• Oui

Q5. Revenez à notre tâche de prédiction des résultats des matchs de la LNH dans observations.csv. Appliquez un arbre de décision CART à ce problème avec GridSearchCV sur l'espace de paramètres suivant:

paramètres={'max_profondeur':(3,4,5,6,7,8,9,10),
'min_samples_leaf':(1,5,10,15,20,25)}

Définissez votre CV=10, utilisez la précision comme mesure, et laisse tomber les Golden Knights de Vegas. Définissez votre ensemble d’entraînement pour qu’il soit des observations[0:800] et votre validation définie sur les observations[800:], et utilise mon numéro préféré pour l'état de randomisation. Quel niveau de précision votre modèle produit-il (à quatre décimales)?

Entrez la réponse ici

Q6. Quel ensemble de paramètres est le meilleur dans le modèle précédent? Saisissez vos paramètres sous forme de valeur de chaîne de max_degree:min_samples_leaf, par exemple. 5:20 si GridSearchCV a trouvé un max_degree=5 et min_samples_leaf=20 la bonne réponse.

Entrez la réponse ici

La semaine 4: Introduction à l'apprentissage automatique dans les réponses au quiz sur l'analyse sportive

Quiz 1: Mission 4

Q1. Si vous créiez un classificateur utilisant deux fonctionnalités et que vous visualisiez vos données et voyiez qu'elles étaient séparées par environ un 45 diplôme, par quel classificateur commenceriez-vous en premier pour de meilleurs résultats?

• SVM
• Matrice de confusion
• Arbre M5P
• Arbre de décision

Q2. Quel est le but de GridSearch?

• C'est un mécanisme de régression utilisant des arbres de décision.
• Cela améliore notre compréhension de la matrice de confusion.
• Il aide à tailler les feuilles des grands arbres.
• Il fournit une méthode de réglage des hyperparamètres.

T3. Quel type de méthode d'ensemble crée pour vous plusieurs classificateurs avec des sous-ensembles de données aléatoires?

• Booster
• Ensachage
• Vote
• Empilage

T4. Quels types de modélisateurs peuvent être regroupés dans un ensemble de vote pour le problème de détection des coups de poing de boxe (choisissez tout ce qui s'applique)?

Notez que le problème de détection des coups de boxe est une tâche de classification.

• Arbres de décision
• SVM
• SVM polynomiaux
• Régression linéaire
• Régression logistique
• Validation croisée
• Classificateur d'ensachage
• Classificateur d'amplification de dégradé
• Classificateur d'emballage