Návrh Školení

Zavedení

  • Přehled Random Forest vlastností a výhod
  • Pochopení rozhodovacích stromů a souborových metod

Začínáme

  • Nastavení knihoven (Numpy, Pandas, Matplotlib atd.)
  • Klasifikace a regrese v Random Forests
  • Případy použití a příklady

Implementace Random Forest

  • Příprava datových sad pro školení
  • Trénink modelu strojového učení
  • Vyhodnocování a zlepšování přesnosti

Ladění hyperparametrů v Random Forest

  • Provádění křížových validací
  • Náhodné vyhledávání a vyhledávání v mřížce
  • Vizualizace výkonu tréninkového modelu
  • Optimalizace hyperparametrů

Doporučené postupy a tipy na řešení problémů

Shrnutí a další kroky

Požadavky

  • Pochopení konceptů strojového učení
  • Python zkušenosti s programováním

Publikum

  • Datoví vědci
  • Softwaroví inženýři
 14 hodiny

Počet účastníků


Price per participant

Upcoming Courses

Související kategorie