Kurzusleírás
Bevezetés
- A AdaBoost funkciók és előnyök áttekintése
- Az együttes tanulási módszerek megértése
Elkezdeni
- A könyvtárak beállítása (Numpy, Pandas, Matplotlib stb.)
- Adatkészletek importálása vagy betöltése
AdaBoost modell építése Python segítségével
- Adatkészletek előkészítése a képzéshez
- Példány létrehozása a AdaBoostClassifier segítségével
- Az adatmodell betanítása
- A vizsgálati adatok kiszámítása, kiértékelése
Hiperparaméterekkel való munka
- Hiperparaméterek felfedezése a AdaBoost-ban
- Az értékek beállítása és a modell betanítása
- A hiperparaméterek módosítása a teljesítmény javítása érdekében
Bevált gyakorlatok és hibaelhárítási tippek
Összegzés és a következő lépések
Követelmények
- A gépi tanulási koncepciók megértése
- Python programozási tapasztalat
Közönség
- Adattudósok
- Szoftvermérnökök
Vélemények (4)
The details and the presentation style.
Cristian Mititean - Accenture Industrial SS
Kurzus - Azure Machine Learning (AML)
Working from first principles in a focused way, and moving to applying case studies within the same day
Maggie Webb - Department of Jobs, Regions, and Precincts
Kurzus - Artificial Neural Networks, Machine Learning, Deep Thinking
That it was applying real company data. Trainer had a very good approach by making trainees participate and compete
Jimena Esquivel - Zakład Usługowy Hakoman Andrzej Cybulski
Kurzus - Applied AI from Scratch in Python
Legyen rövid és egyszerű. Intuíciós és vizuális modellek létrehozása a fogalmak köré (döntési fa grafikonja, lineáris egyenletek, y_pred manuális kiszámítása a modell működésének bizonyítására).
Nicolae - DB Global Technology
Kurzus - Machine Learning
Machine Translated