Kursplan

Introduksjon

  • Oversikt over Random Forest-funksjoner og fordeler
  • Forståelse av beslutningstrær og ensemblemetoder

Kom i gang

  • Oppsett av biblioteker (Numpy, Pandas, Matplotlib, osv.)
  • Klassifisering og regresjon i Random Forests
  • Bruksområder og eksempler

Implementering av Random Forest

  • Forberedelse av datasett for trening
  • Trening av maskinlæringsmodell
  • Vurdering og forbedring av nøyaktighet

Justering av hyperparametere i Random Forest

  • Utføring av kryssvurderinger
  • Tilfeldig søk og Grid search
  • Visualisering av treningsmodellprestasjoner
  • Optimalisering av hyperparametere

Beste praksis og feilsøkings tips

Oppsummering og neste trinn

Krav

  • Forståelse av maskinlæringskonsepter
  • Erfaring med Python-programmering

Målgruppe

  • Data scientists
  • Programvareutviklere
 14 timer

Antall deltakere


Price per participant

Upcoming Courses

Related Categories