Ana içeriğe atla
GirişR

Kurs

R'de Hiperparametre Ayarlama

İleri SeviyeBeceri Seviyesi
Güncel 03.2026
En iyi tahmin sonuçlarını elde etmek için modelinizin hiperparametrelerini nasıl ayarlayacağınızı öğrenin.
Kursa Ücretsiz Başlayın
RMachine Learning
4 sa
14 video
47 Egzersiz
3,500 XP
7,751
Başarı Belgesi

Ücretsiz Hesabınızı Oluşturun

Google ile devam edinDaha fazla seçenek göster

veya


Devam ederek Kullanım Şartlarımızı, Gizlilik Politikamızı ve verilerinizin ABD’de saklandığını kabul etmiş olursunuz.

Binlerce şirketten öğrencinin sevgisini kazandı

Group

Bir Ekibi Eğitiyor musunuz?

İşletmeler için deneyin

Kurs Açıklaması

Birçok Machine Learning probleminde, modeli doğrudan çalıştırıp bir tahmin almak yeterli değildir; en doğru tahmini yapan en iyi modeli istersin. Modelini mükemmelleştirmenin bir yolu hiperparametre ayarlamasıdır; bu da o modele özgü ayarların optimize edilmesi demektir. Bu kursta, caret, mlr ve h2o paketleriyle ızgara araması (grid search), rastgele arama (random search), uyarlamalı yeniden örnekleme (adaptive resampling) ve otomatik Machine Learning (AutoML) kullanarak hiperparametrelerin en iyi kombinasyonunu verimli şekilde bulacaksın. Ayrıca farklı veri kümeleriyle çalışacak ve rastgele ormanlar, gradient boosting makineleri, destek vektör makineleri ve hatta sinir ağları gibi farklı gözetimli öğrenme modellerini ayarlayacaksın. Hazır ol, ayarlamaya başlıyoruz!

Önkoşullar

Machine Learning with caret in R
1

Hiperparametrelere giriş

Neden "hyperparameter" gibi tuhaf bir kelime kullanıyoruz? Onu “hiper” yapan ne? Burada model parametrelerinin ne olduğunu ve Machine Learning’de hiperparametrelerden neden farklı olduklarını anlayacaksın. Sonrasında neden bunları ayarlamak isteyeceğimizi ve caret'in varsayılan ayarının otomatik olarak hiperparametre ayarlamasını nasıl içerdiğini göreceksin.
Bölümü Başlat
2

caret ile hiperparametre ayarlama

Bu bölümde, Kartezyen bir ızgara ile hiperparametreleri nasıl ayarlayacağını öğreneceksin. Ardından daha hızlı ve verimli yaklaşımlar uygulayacaksın. En iyi ayarların yakın çevresindeki değerlere odaklanacak şekilde, parametre ızgarasını ayarlamak için Random Search ve uyarlamalı yeniden örnekleme kullanacaksın.
Bölümü Başlat
3

mlr ile hiperparametre ayarlama

Burada, hiperparametre ayarlama işlevleri çok kullanışlı olan başka bir Machine Learning paketini kullanacaksın. Bir Kartezyen ızgara tanımlayacak veya Random Search yapacak, ayrıca ileri teknikler uygulayacaksın. Farklı hiperparametrelerle modelleri çizmenin ve değerlendirmenin farklı yollarını da öğreneceksin.
Bölümü Başlat
4

h2o ile hiperparametre ayarlama

Bu son bölümde, hiperparametre ayarlama işlevleri çok kullanışlı olan bir başka Machine Learning paketi h2o'yu kullanacaksın. Farklı modelleri eğitmek ve bir Kartezyen ızgara tanımlamak için onu kullanacaksın. Ardından, durdurma ölçütleri kullanarak bir Random Search uygulayacaksın. Son olarak, tek bir işlevle çok hızlı ve pratik model ve hiperparametre ayarlaması sağlayan bir h2o arayüzü olan AutoML'yi öğreneceksin.
Bölümü Başlat
R'de Hiperparametre Ayarlama
Kurs
Tamamlandı

Başarı Belgesi Kazanın

Bu kimlik bilgisini LinkedIn profilinize, özgeçmişinize veya CV'nize ekleyin
Sosyal medyada ve performans incelemenizde paylaşın
Şimdi kaydolun

Bugün 19 milyondan fazla öğrenciye katılın ve R'de Hiperparametre Ayarlama eğitimine başlayın!

Ücretsiz Hesabınızı Oluşturun

Google ile devam edinDaha fazla seçenek göster

veya


Devam ederek Kullanım Şartlarımızı, Gizlilik Politikamızı ve verilerinizin ABD’de saklandığını kabul etmiş olursunuz.

DataCamp for Mobile ile veri becerilerinizi geliştirin

Mobil kurslarımız ve günde 5 dakikalık kodlama görevlerimizle hareket halindeyken ilerleme kaydedin.