Kurzusleírás

Bevezetés

  • A Random Forest jellemzőinek és előnyeinek áttekintése
  • A döntési fák és együttes módszerek megértése

Kezdő lépések

  • A könyvtárak beállítása (Numpy, Pandas, Matplotlib stb.)
  • Osztályozás és regresszió a Random Forests módszerrel
  • Használati esetek és példák

A Random Forest implementálása

  • Adathalmazok előkészítése a tanításhoz
  • A gépi tanulási modell tanítása
  • Pontosság kiértékelése és javítása

A hiperparaméterek hangolása a Random Forest módszerben

  • Kereszthibavizsgálatok végrehajtása
  • Véletlenszerű keresés és rácsos keresés
  • A tanítási modell teljesítményének vizualizálása
  • Hiperparaméterek optimalizálása

Ajánlott eljárások és hibaelhárítási tippek

Összefoglalás és következő lépések

Követelmények

  • A gépi tanulás alapfogalmainak ismerete
  • Python programozási tapasztalat

Célközönség

  • Adattudósok
  • Szoftvermérnökök
 14 Órák

Résztvevők száma


Ár per résztvevő

Közelgő kurzusok

Rokon kategóriák