Corso
Ottimizzazione degli iperparametri in Python
IntermedioLivello di competenza
Aggiornato 04/2023
PythonMachine Learning4 h13 video44 Esercizi3,400 XP24,898Attestato di conseguimento
Crea il tuo account gratuito
Continua con GoogleMostra più opzionio
Continuando, accetti i nostri Termini di utilizzo, la nostra Informativa sulla privacy e che i tuoi dati siano conservati negli Stati Uniti.
Preferito dagli studenti di migliaia di aziende
Formare un team?
Prova per il BusinessDescrizione del corso
Iperparametri vs. parametri
Fai pratica con diverse tecniche per la regolazione automatica degli iperparametri in Python con Scikit-Learn.Scopri la differenza tra iperparametri e parametri e le migliori pratiche per impostare e analizzare i valori degli iperparametri. Queste basi ti aiuteranno a capire l'importanza degli iperparametri nei modelli di machine learning.
Ricerca a griglia
Impara diverse tecniche di ottimizzazione degli iperparametri, iniziando con la ricerca a griglia. Usando i dati relativi ai casi di insolvenza delle carte di credito, ti eserciterai a fare la ricerca a griglia (Grid Search) per trovare le migliori combinazioni di iperparametri e capire i risultati. Ricerca casuale () Ti parleranno della ricerca casuale e scoprirai i suoi vantaggi rispetto alla ricerca a griglia, tipo l'efficienza in spazi di parametri grandi.
Ricerca informata
Nella parte finale del corso, esplorerai metodi di ottimizzazione avanzati, come gli algoritmi bayesiani e genetici.Queste tecniche di ricerca informata vengono mostrate con esempi pratici, così puoi confrontarle con i metodi di ricerca non informati. Alla fine, avrai una comprensione completa di come ottimizzare efficacemente gli iperparametri per migliorare le prestazioni del modello..
Prerequisiti
Supervised Learning with scikit-learn1
Iperparametri e parametri
In questo capitolo introduttivo imparerai la differenza tra iperparametri e parametri. Farai pratica nell’estrazione e analisi dei parametri e nell’impostare i valori degli iperparametri per diversi algoritmi di Machine Learning popolari. Lungo il percorso scoprirai consigli pratici e trucchi su quali iperparametri ottimizzare, quali valori provare e come costruire learning curve per analizzare le tue scelte.
2
Grid search
Questo capitolo ti presenta una metodologia molto usata per l’ottimizzazione automatica degli iperparametri chiamata Grid Search. Imparerai cos’è, come funziona e farai pratica a eseguire una Grid Search con Scikit Learn. Vedrai poi come analizzare l’output di una Grid Search e farai esperienza pratica nel farlo.
3
Random Search
In questo capitolo ti verrà presentata un’altra metodologia molto diffusa per l’ottimizzazione automatica degli iperparametri chiamata Random Search. Imparerai cos’è, come funziona e, soprattutto, in cosa differisce dalla grid search. Vedrai vantaggi e svantaggi di questo metodo e quando preferirlo rispetto alla Grid Search. Farai pratica a eseguire una Random Search con Scikit Learn e a visualizzare e interpretare l’output.
4
Informed Search
In questo capitolo finale assaggerai metodologie più avanzate di ottimizzazione degli iperparametri note come "informed search". Questo include un approccio detto Coarse To Fine e algoritmi di ottimizzazione Bayesiani e Genetici. Imparerai come l’informed search differisce dalla uninformed search e acquisirai abilità pratiche con ciascuna metodologia citata, confrontandole lungo il percorso.
Ottimizzazione degli iperparametri in Python
Corso completato
Ottieni Attestato di conseguimento
Aggiungi questa certificazione al tuo profilo LinkedIn, al curriculum o al CVCondividila sui social e nella valutazione delle tue performanceIscriviti ora
Unisciti a oltre 19 milioni di studenti e inizia Ottimizzazione degli iperparametri in Python oggi!
Crea il tuo account gratuito
Continua con GoogleMostra più opzionio
Continuando, accetti i nostri Termini di utilizzo, la nostra Informativa sulla privacy e che i tuoi dati siano conservati negli Stati Uniti.
Aumenta le tue competenze sui dati con l'app di DataCamp
Avanza ovunque ti trovi con i nostri corsi per dispositivi mobili e le nostre sfide di programmazione quotidiane da 5 minuti.