Kursplan

Införandet

  • Översikt över Random Forest funktioner och fördelar
  • Förstå beslutsträd och ensemblemetoder

Komma igång

  • Konfigurera biblioteken (Numpy, Pandas, Matplotlib, etc.)
  • Klassificering och regression i Random Forests
  • Användningsfall och exempel

Genomförande Random Forest

  • Förbereda datauppsättningar för träning
  • Träna maskininlärningsmodellen
  • Utvärdera och förbättra noggrannheten

Justera hyperparametrarna i Random Forest

  • Utföra korsvalideringar
  • Slumpmässig sökning och rutnätssökning
  • Visualisera träningsmodellens prestanda
  • Optimera hyperparametrar

Bästa praxis och felsökningstips

Sammanfattning och nästa steg

Krav

  • En förståelse för maskininlärningsbegrepp
  • Python Erfarenhet av programmering

Publik

  • Datavetare
  • Mjukvaruingenjörer
 14 timmar

Antal deltagare


Price per participant

Upcoming Courses