Struttura del corso

Introduzione

  • Panoramica di Random Forest caratteristiche e vantaggi
  • Comprendere gli alberi decisionali e i metodi di ensemble

Introduttiva

  • Configurazione delle librerie (Numpy, Pandas, Matplotlib, ecc.)
  • Classificazione e regressione in Random Forests
  • Casi d'uso ed esempi

Attuazione Random Forest

  • Preparazione dei set di dati per l'addestramento
  • Addestramento del modello di Machine Learning
  • Valutazione e miglioramento dell'accuratezza

Regolazione degli iperparametri in Random Forest

  • Esecuzione di convalide incrociate
  • Ricerca casuale e ricerca a griglia
  • Visualizzazione delle prestazioni del modello di training
  • Ottimizzazione degli iperparametri

Best practice e suggerimenti per la risoluzione dei problemi

Riepilogo e passaggi successivi

Requisiti

  • Comprensione dei concetti di Machine Learning
  • Python Esperienza di programmazione

Pubblico

  • Scienziati dei dati
  • Ingegneri del software
 14 ore

Numero di Partecipanti


Prezzo per Partecipante

Corsi in Arrivo

Categorie relative