План на курса

Въведение

  • Обзор на характеристиките и предимствата на Random Forest
  • Разбиране на дърветата за решение и методологиите за ансамбъл

Започване

  • Настройка на библиотеките (Numpy, Pandas, Matplotlib и т.н.)
  • Класификация и регресия в Random Forest
  • Примери и случаи на приложение

Имплементация на Random Forest

  • Подготовка на набори данни за обучение
  • Обучение на модела за машинно обучение
  • Оценка и подобряване на точността

Настройка на хиперпараметрите в Random Forest

  • Извършване на кръстосана валидация
  • Случайен търсене и Grid търсене
  • Визуализация на изпълнението на модела за обучение
  • Оптимизиране на хиперпараметрите

Най-добри практики и съвети за отстраняване на проблеми

Резюме и следващи стъпки

Изисквания

  • Разбиране на концепциите на машинно обучение
  • Опит в програмирането с Python

Целева аудитория

  • Специалисти по данни
  • Софтуерни инженери
 14 часа

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории