Ajuste de hiperparámetros en Python

IntermedioNivel de habilidad

Actualizado 4/2023

Aprende técnicas para el ajuste automatizado de hiperparámetros en Python, como Grid, Random e Informed Search.

Descripción del curso

Como científico de datos o de machine learning, la creación de potentes modelos de machine learning depende en gran medida del conjunto de hiperparámetros utilizados. Pero con modelos cada vez más complejos y con muchas opciones, ¿cómo encontrar de manera eficiente la mejor configuración para tu problema particular? ¡La respuesta es el ajuste de hiperparámetros!

Hiperparámetros frente a parámetros

Adquiere experiencia práctica utilizando diversas metodologías para el ajuste automatizado de hiperparámetros en Python con Scikit-Learn.

Aprende la diferencia entre hiperparámetros y parámetros, así como las mejores prácticas para establecer y analizar los valores de los hiperparámetros. Esta base te preparará para comprender la importancia de los hiperparámetros en los modelos de machine learning.

Búsqueda por parilla

Domina varias técnicas de ajuste de hiperparámetros, empezando por la búsqueda por parilla. Utilizando datos de impagos de tarjetas de crédito, practicarás la búsqueda por cuadrícula (Grid Search) para buscar de forma exhaustiva las mejores combinaciones de hiperparámetros e interpretar los resultados. Búsqueda aleatoria (

) Se te presentará la búsqueda aleatoria y aprenderás sus ventajas con respecto a la búsqueda por cuadrícula, como la eficiencia en espacios de parámetros grandes.

Búsqueda informada

En la parte final del curso, explorarás métodos avanzados de optimización, como los algoritmos bayesianos y genéticos.

Estas técnicas de búsqueda informada se muestran mediante ejemplos prácticos, lo que te permite compararlas y contrastarlas con métodos de búsqueda no informados. Al finalizar, tendrás un conocimiento exhaustivo sobre cómo optimizar los hiperparámetros de forma eficaz para mejorar el rendimiento del modelo..

Requisitos previos

Supervised Learning with scikit-learn

Hiperparámetros y parámetros

En este capítulo introductorio aprenderás la diferencia entre hiperparámetros y parámetros. Practicarás extrayendo y analizando parámetros, y configurando valores de hiperparámetros para varios algoritmos populares de Machine Learning. Por el camino, aprenderás consejos y trucos de buenas prácticas para decidir qué hiperparámetros ajustar, qué valores probar y cómo construir curvas de aprendizaje para analizar tus elecciones.

Introducción y «parámetros»

Descripción del curso

Hiperparámetros frente a parámetros

Búsqueda por parilla

Búsqueda informada

Obtener certificado de logros

¡Únete a .css-nklxlk{color:var(--wf-brand--main, #03EF62);}19 millones de estudiantes y empieza Ajuste de hiperparámetros en Python hoy mismo!

Crea tu cuenta gratuita

Desarrolla tus habilidades de datos con la aplicación móvil de DataCamp

¡Únete a 19 millones de estudiantes y empieza Ajuste de hiperparámetros en Python hoy mismo!