Kurs
Strojenie hiperparametrów w Pythonie
ŚredniozaawansowanyPoziom umiejętności
Zaktualizowano 04.2023
PythonMachine Learning4 godz.13 filmów44 Ćwiczenia3,400 XP24,882Zaświadczenie o ukończeniu
Utwórz bezpłatne konto
Kontynuuj z GooglePokaż więcej opcjilub
Kontynuując, akceptujesz nasze Warunki korzystania, naszą Politykę prywatności oraz to, że Twoje dane są przechowywane w USA.
Uwielbiany przez kursantów z tysięcy firm
Szkolisz zespół?
Wypróbuj dla firmOpis kursu
Hiperparametry a parametry
Zdobądź praktyczne doświadczenie w korzystaniu z różnych metod automatycznego dostrajania hiperparametrów w Pythonie z użyciem Scikit-Learn.Poznaj różnicę między hiperparametrami a parametrami oraz najlepsze praktyki ustawiania i analizowania wartości hiperparametrów. Ten fundament przygotuje Cię do zrozumienia znaczenia hiperparametrów w modelach uczenia maszynowego.
Przeszukiwanie siatki
Opanuj kilka technik strojenia hiperparametrów, zaczynając od Przeszukiwania siatki. Korzystając z danych o niewywiązywaniu się z płatności kartą kredytową, będziesz ćwiczyć przeprowadzanie Grid Search, aby wyczerpująco wyszukiwać najlepsze kombinacje hiperparametrów i interpretować wyniki.Zostaniesz wprowadzony do Random Search i poznasz jego zalety w porównaniu z Grid Search, takie jak większa efektywność w dużych przestrzeniach parametrów.
Przeszukiwanie informowane
W końcowej części kursu poznasz zaawansowane metody optymalizacji, takie jak algorytmy bayesowskie i genetyczne.Te techniki przeszukiwania z wykorzystaniem wiedzy są demonstrowane na praktycznych przykładach, dzięki czemu możesz je porównać i zestawić z metodami przeszukiwania bez informacji. Pod koniec będziesz mieć kompleksowe zrozumienie tego, jak skutecznie optymalizować hiperparametry, aby poprawić wydajność modelu.
Wymagania wstępne
Supervised Learning with scikit-learn1
Hyperparameters and Parameters
In this introductory chapter you will learn the difference between hyperparameters and parameters. You will practice extracting and analyzing parameters, setting hyperparameter values for several popular machine learning algorithms. Along the way you will learn some best practice tips & tricks for choosing which hyperparameters to tune and what values to set & build learning curves to analyze your hyperparameter choices.
2
Grid search
This chapter introduces you to a popular automated hyperparameter tuning methodology called Grid Search. You will learn what it is, how it works and practice undertaking a Grid Search using Scikit Learn. You will then learn how to analyze the output of a Grid Search & gain practical experience doing this.
3
Random Search
In this chapter you will be introduced to another popular automated hyperparameter tuning methodology called Random Search. You will learn what it is, how it works and importantly how it differs from grid search. You will learn some advantages and disadvantages of this method and when to choose this method compared to Grid Search. You will practice undertaking a Random Search with Scikit Learn as well as visualizing & interpreting the output.
4
Informed Search
In this final chapter you will be given a taste of more advanced hyperparameter tuning methodologies known as ''informed search''. This includes a methodology known as Coarse To Fine as well as Bayesian & Genetic hyperparameter tuning algorithms. You will learn how informed search differs from uninformed search and gain practical skills with each of the mentioned methodologies, comparing and contrasting them as you go.
Strojenie hiperparametrów w Pythonie
Kurs ukończony
Zdobądź zaświadczenie o ukończeniu
Dodaj to poświadczenie do swojego profilu LinkedIn, CV lub życiorysuUdostępnij to w mediach społecznościowych i podczas oceny wyników pracyZapisz się teraz
Dołącz do ponad 19 milionów kursantów i zacznij Strojenie hiperparametrów w Pythonie już dziś!
Utwórz bezpłatne konto
Kontynuuj z GooglePokaż więcej opcjilub
Kontynuując, akceptujesz nasze Warunki korzystania, naszą Politykę prywatności oraz to, że Twoje dane są przechowywane w USA.
Rozwijaj swoje umiejętności w zakresie danych dzięki DataCamp dla urządzeń mobilnych
Rób postępy w podróży dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.