Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
План на курса
Въведение
- Преглед на Random Forest функции и предимства
- Разбиране на дърветата на решенията и ансамбълните методи
Първи стъпки
- Настройка на библиотеките (Numpy, Pandas, Matplotlib и др.)
- Класификация и регресия в Random Forests
- Използване на случаи 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 решетка
- Визуализиране на ефективността на тренировъчния модел
- 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 Часа