Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
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