Kursplan

Introduksjon

  • Oversikt over Random Forest funksjoner og fordeler
  • Forstå beslutningstrær og ensemblemetoder

Komme i gang

  • Sette opp bibliotekene (Numpy, Pandas, Matplotlib, etc.)
  • Klassifisering og regresjon i Random Forests
  • Bruk tilfeller og eksempler

Implementering Random Forest

  • Klargjøring av datasett for trening
  • Trening av maskinlæringsmodellen
  • Evaluere og forbedre nøyaktigheten

Stille inn hyperparametrene i Random Forest

  • Utføre kryssvalideringer
  • Tilfeldig søk og rutenettsøk
  • Visualisere treningsmodellens ytelse
  • Optimalisering av hyperparametre

Beste fremgangsmåter og feilsøkingstips

Sammendrag og neste trinn

Krav

  • En forståelse av konsepter for maskinlæring
  • Python programmeringserfaring

Publikum

  • Dataforskere
  • Programvareingeniører
 14 timer

Antall deltakere


Price per participant

Upcoming Courses

Related Categories