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
Oтзиви от потребители (4)
The details and the presentation style.
Cristian Mititean - Accenture Industrial SS
Course - Azure Machine Learning (AML)
Working from first principles in a focused way, and moving to applying case studies within the same day
Maggie Webb - Department of Jobs, Regions, and Precincts
Course - Artificial Neural Networks, Machine Learning, Deep Thinking
That it was applying real company data. Trainer had a very good approach by making trainees participate and compete
Jimena Esquivel - Zakład Usługowy Hakoman Andrzej Cybulski
Course - Applied AI from Scratch in Python
Поддържайки го кратко и просто. Създаване на интуиция и визуални модели около концепциите (графика на дървото на решенията, линейни уравнения, ръчно изчисляване на y_pred, за да се докаже как работи моделът).
Nicolae - DB Global Technology
Course - Machine Learning
Machine Translated