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.
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