Build your ultimate AI agent
कोर्स विवरण
कई मशीन लर्निंग समस्याओं में, सिर्फ मॉडल को वैसे ही चलाकर एक प्रेडिक्शन पाना काफी नहीं होता; आप सबसे सटीक प्रेडिक्शन वाला बेहतरीन मॉडल चाहते हैं। अपने मॉडल को बेहतर बनाने का एक तरीका है हाइपरपैरामीटर ट्यूनिंग, यानी उस खास मॉडल की सेटिंग्स को ऑप्टिमाइज़ करना। इस कोर्स में, आप caret, mlr और h2o पैकेजों के साथ काम करेंगे ताकि ग्रिड सर्च, रैंडम सर्च, एडेप्टिव रिसैम्पलिंग और ऑटोमैटिक मशीन लर्निंग (AutoML) का उपयोग करके हाइपरपैरामीटर का सर्वश्रेष्ठ संयोजन कुशलता से खोज सकें। इसके अलावा, आप अलग-अलग डेटासेट के साथ काम करेंगे और विभिन्न सुपरवाइज़्ड लर्निंग मॉडल जैसे रैंडम फॉरेस्ट, ग्रेडिएंट बूस्टिंग मशीन, सपोर्ट वेक्टर मशीन, और यहाँ तक कि न्यूरल नेट्स को भी ट्यून करेंगे। ट्यूनिंग के लिए तैयार हो जाइए!
पूर्वापेक्षाएँ
पाठ्यक्रम
कोर्स रूपरेखा
1
हाइपरपैरामीटर का परिचय
हम "hyperparameter" जैसा अजीब शब्द क्यों इस्तेमाल करते हैं? इसमें "हाइपर" क्या है? यहाँ, आप समझेंगे कि मॉडल पैरामीटर क्या होते हैं और वे मशीन लर्निंग में हाइपरपैरामीटर से कैसे अलग हैं। इसके बाद आप देखेंगे कि हम इन्हें ट्यून क्यों करना चाहते हैं और कैसे caret की डिफ़ॉल्ट सेटिंग अपने-आप हाइपरपैरामीटर ट्यूनिंग शामिल करती है।
- Parameters बनाम hyperparameters50 XP
- मॉडल पैरामीटर्स बनाम हाइपरपैरामीटर्स100 XP
- Linear models में hyperparameters50 XP
- Coefficients क्या हैं?100 XP
- मशीन लर्निंग की बुनियाद: रिकैप50 XP
- caret के साथ मशीन लर्निंग100 XP
- Resampling स्कीम्स50 XP
- caret में हाइपरपैरामीटर ट्यूनिंग50 XP
- स्टोकेस्टिक ग्रेडिएंट बूस्टिंग में हाइपरपैरामीटर्स50 XP
- ट्यून करने के लिए हाइपरपैरामीटरों की संख्या बदलें100 XP
- हाइपरपैरामीटर्स को मैन्युअली ट्यून करें100 XP
2
caret के साथ हाइपरपैरामीटर ट्यूनिंग
इस चैप्टर में, आप Cartesian ग्रिड के साथ हाइपरपैरामीटर ट्यून करना सीखेंगे। फिर, आप तेज़ और अधिक कुशल तरीकों को लागू करेंगे। आप Random Search और एडेप्टिव रिसैम्पलिंग का उपयोग करके पैरामीटर ग्रिड को ऐसे ट्यून करेंगे जो ऑप्टिमल सेटिंग्स के आसपास के मानों पर ज़्यादा ध्यान केंद्रित करे।
3
mlr के साथ हाइपरपैरामीटर ट्यूनिंग
यहाँ, आप मशीन लर्निंग के लिए एक और पैकेज इस्तेमाल करेंगे जिसमें हाइपरपैरामीटर ट्यूनिंग के बहुत सुविधाजनक फंक्शन हैं। आप एक Cartesian ग्रिड परिभाषित करेंगे या Random Search करेंगे, साथ ही एडवांस्ड तकनीकों का प्रयोग करेंगे। आप यह भी सीखेंगे कि अलग-अलग हाइपरपैरामीटर के साथ मॉडलों को कैसे प्लॉट और इवैल्यूएट किया जाए।
4
h2o के साथ हाइपरपैरामीटर ट्यूनिंग
अंतिम चैप्टर में, आप h2o का उपयोग करेंगे, जो मशीन लर्निंग के लिए एक और पैकेज है जिसमें हाइपरपैरामीटर ट्यूनिंग के बहुत सुविधाजनक फंक्शन हैं। आप इससे अलग-अलग मॉडल ट्रेन करेंगे और एक Cartesian ग्रिड परिभाषित करेंगे। फिर, आप Random Search लागू करेंगे और स्टॉपिंग क्राइटेरिया का उपयोग करेंगे। अंत में, आप AutoML सीखेंगे, जो h2o का एक इंटरफ़ेस है जो केवल एक फंक्शन से बहुत तेज़ और सुविधाजनक मॉडल और हाइपरपैरामीटर ट्यूनिंग की अनुमति देता है।
R
R में Hyperparameter Tuning
कोर्स
पूरा
