Lecture: Model Evaluation

Lecture: Model Evaluation

Administrative information

Title Model Evaluation
Duration 60
Module A
Lesson Type Lecture
Focus Technical - Foundations of AI
Topic Foundations of AI

 

Keywords

underfitting, overfitting, generalization, bias-variance decomposition, model complexity, ROC curve,

 

Learning Goals

  • Learners understand the concept of expected predictive performance and generalization
  • Learners understand the concept of model complexity and its relationship with generalization performance
  • Learners are familiar with bias and variance their relationship with underfitting and overfitting
  • Learners have a firm grasp on evaluating binary classification models with the most widely applied metrics

 

Expected Preparation

Learning Events to be Completed Before

Obligatory for Students

None.

Optional for Students

References and background for students:

None.

Recommended for Teachers

  • Familiarize themselves with the demonstration materials.

Lesson Materials

 

The materials of this learning event are available under CC BY-NC-SA 4.0.

 

Instructions for Teachers

Cover the topics in the lesson outline and demonstrate the concepts using the interactive notebooks (effect of the hyperparameters on under/overfitting and the bias/variance curves; calcluation of the ROC/PR curves).

Outline/time schedule

Duration (min) Description Concepts
5 Non-linear regression (recap) basis points, RBF, kernel parameters, mean squared error
10 Model complexity, regulariztaion and the number of parameters complexity, regularization
10 Bias-variance decomposition of mean squared error generalization error, bias, variance, observation noise, underfitting, overfitting
10 Demonstration of the effects of the complexity parameter,

regularization coefficient and the number of basis points on

curve fitting and bias/variance

  
15 Evaluation of classification models confusion matrix, TPR, FPR, precision, decision boundary, ROC/PR curve
10 Demonstration of decision boundaries and the ROC curve  

 

 

More information

Click here for an overview of all lesson plans of the master human centred AI

Please visit the home page of the consortium HCAIM

Acknowledgements

The Human-Centered AI Masters programme was co-financed by the Connecting Europe Facility of the European Union Under Grant №CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.

The materials of this learning event are available under CC BY-NC-SA 4.0

 

The HCAIM consortium consists of three excellence centres, three SMEs and four Universities

HCAIM Consortium

Colofon

Het arrangement Lecture: Model Evaluation is gemaakt met Wikiwijs van Kennisnet. Wikiwijs is hét onderwijsplatform waar je leermiddelen zoekt, maakt en deelt.

Auteur
HCAIM Consortium
Laatst gewijzigd
2024-05-15 11:02:53
Licentie

Dit lesmateriaal is gepubliceerd onder de Creative Commons Naamsvermelding-GelijkDelen 4.0 Internationale licentie. Dit houdt in dat je onder de voorwaarde van naamsvermelding en publicatie onder dezelfde licentie vrij bent om:

  • het werk te delen - te kopiëren, te verspreiden en door te geven via elk medium of bestandsformaat
  • het werk te bewerken - te remixen, te veranderen en afgeleide werken te maken
  • voor alle doeleinden, inclusief commerciële doeleinden.

Meer informatie over de CC Naamsvermelding-GelijkDelen 4.0 Internationale licentie.

Aanvullende informatie over dit lesmateriaal

Van dit lesmateriaal is de volgende aanvullende informatie beschikbaar:

Toelichting
.
Eindgebruiker
leerling/student
Moeilijkheidsgraad
gemiddeld
Studiebelasting
4 uur en 0 minuten

Gebruikte Wikiwijs Arrangementen

HCAIM Consortium. (z.d.).

Acknowledgement

https://maken.wikiwijs.nl/198386/Acknowledgement

HCAIM Consortium. (z.d.).

Lecture: Duty Ethics

https://maken.wikiwijs.nl/198966/Lecture__Duty_Ethics

Downloaden

Het volledige arrangement is in de onderstaande formaten te downloaden.

Metadata

LTI

Leeromgevingen die gebruik maken van LTI kunnen Wikiwijs arrangementen en toetsen afspelen en resultaten terugkoppelen. Hiervoor moet de leeromgeving wel bij Wikiwijs aangemeld zijn. Wil je gebruik maken van de LTI koppeling? Meld je aan via info@wikiwijs.nl met het verzoek om een LTI koppeling aan te gaan.

Maak je al gebruik van LTI? Gebruik dan de onderstaande Launch URL’s.

Arrangement

IMSCC package

Wil je de Launch URL’s niet los kopiëren, maar in één keer downloaden? Download dan de IMSCC package.

Meer informatie voor ontwikkelaars

Wikiwijs lesmateriaal kan worden gebruikt in een externe leeromgeving. Er kunnen koppelingen worden gemaakt en het lesmateriaal kan op verschillende manieren worden geëxporteerd. Meer informatie hierover kun je vinden op onze Developers Wiki.

close
Colofon
thumb  
gemaakt met Wikiwijs van kennisnet-logo
Lecture: Model Evaluation
open