Kurzusleírás

Bevezetés

  • Random Forest jellemzők és előnyök áttekintése
  • A döntési fák és az együttes módszerek megértése

Kezdő lépések

  • A könyvtárak beállítása (Numpy, Pandas, Matplotlib stb.)
  • Osztályozás és regresszió Random Forests
  • Használjon eseteket és példákat

Megvalósítás Random Forest

  • Adatkészletek előkészítése a képzéshez
  • A gépi tanulási modell betanítása
  • A pontosság értékelése és javítása

A hiperparaméterek hangolása az Random Forest-ben

  • Keresztellenőrzések végrehajtása
  • Véletlenszerű keresés és rácskeresés
  • Képzési modell teljesítményének megjelenítése
  • A hiperparaméterek optimalizálása

Bevált módszerek és hibaelhárítási tippek

Összegzés és a következő lépések

Követelmények

  • A gépi tanulási koncepciók megértése
  • Python programozási tapasztalat

Közönség

  • Adattudósok
  • Szoftvermérnökök
 14 Órák

Résztvevők száma


Ár résztvevőnként

Közelgő kurzusok

Rokon kategóriák