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

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории