Course Outline

Εισαγωγή

  • Επισκόπηση των AdaBoost χαρακτηριστικών και πλεονεκτημάτων
  • Κατανόηση των μεθόδων εκμάθησης συνόλου

Ξεκινώντας

  • Ρύθμιση των βιβλιοθηκών (Numpy, Pandas, Matplotlib, κ.λπ.)
  • Εισαγωγή ή φόρτωση συνόλων δεδομένων

Κατασκευή ενός μοντέλου AdaBoost με Python

  • Προετοιμασία συνόλων δεδομένων για εκπαίδευση
  • Δημιουργία παρουσίας με AdaBoostClassifier
  • Εκπαίδευση του μοντέλου δεδομένων
  • Υπολογισμός και αξιολόγηση των δεδομένων δοκιμής

Εργασία με υπερπαραμέτρους

  • Εξερεύνηση υπερπαραμέτρων στο AdaBoost
  • Ρύθμιση των τιμών και εκπαίδευση του μοντέλου
  • Τροποποίηση υπερπαραμέτρων για βελτίωση της απόδοσης

Βέλτιστες πρακτικές και συμβουλές αντιμετώπισης προβλημάτων

Περίληψη και Επόμενα Βήματα

Requirements

  • Κατανόηση των εννοιών της μηχανικής μάθησης
  • Python εμπειρία προγραμματισμού

Ακροατήριο

  • Επιστήμονες δεδομένων
  • Μηχανικοί Λογισμικού
 14 Hours

Number of participants


Price per participant

Upcoming Courses

Related Categories