План на курса

Въведение

    Преглед на Random Forest функции и предимства Разбиране на дърветата на решенията и методите на ансамбъла

Приготвяме се да започнем

    Настройване на библиотеките (Numpy, Pandas, Matplotlib и др.) Класификация и регресия в Random Forests Случаи на използване и примери

Изпълнение Random Forest

    Подготовка на набори от данни за обучение Обучение на модела за машинно обучение Оценяване и подобряване на точността

Настройка на хиперпараметрите в Random Forest

    Извършване на кръстосани проверки Произволно търсене и търсене в мрежа Визуализиране на производителността на модела за обучение Оптимизиране на хиперпараметри

Най-добри практики и съвети за отстраняване на неизправности

Обобщение и следващи стъпки

Изисквания

  • Разбиране на концепциите за машинно обучение
  • Python опит в програмирането

Публика

  • Учени по данни
  • Софтуерни инженери
  14 Hours

Брой участници



Цена за участник

Oтзиви от потребители (4)

Свързани Kурсове

Artificial Intelligence (AI) for City Planning

  14 Hours

Algebra for Machine Learning

  14 Hours

Dataiku for Enterprise AI and Machine Learning

  21 Hours

Свързани Kатегории