Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Course Outline
Εισαγωγή
- Επισκόπηση των Random Forest χαρακτηριστικών και πλεονεκτημάτων
- Κατανόηση των δέντρων αποφάσεων και των μεθόδων συνόλου
Ξεκινώντας
- Ρύθμιση των βιβλιοθηκών (Numpy, Pandas, Matplotlib, κ.λπ.)
- Ταξινόμηση και παλινδρόμηση σε Random Forests
- Χρησιμοποιήστε περιπτώσεις και παραδείγματα
Υλοποίηση Random Forest
- Προετοιμασία συνόλων δεδομένων για εκπαίδευση
- Εκπαίδευση του μοντέλου μηχανικής μάθησης
- Αξιολόγηση και βελτίωση της ακρίβειας
Συντονισμός των Υπερπαραμέτρων στο Random Forest
- Εκτέλεση διασταυρούμενων επικυρώσεων
- Τυχαία αναζήτηση και αναζήτηση πλέγματος
- Οπτικοποίηση της απόδοσης του προπονητικού μοντέλου
- Βελτιστοποίηση υπερπαραμέτρων
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