After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
Для багатьох задач машинного навчання просто запустити модель «з коробки» й отримати прогноз недостатньо; вам потрібна найкраща модель з найточнішим прогнозом. Один зі способів удосконалити модель — налаштувати гіперпараметри, тобто оптимізувати параметри конфігурації конкретної моделі. У цьому курсі ви працюватимете з пакетами caret, mlr та h2o, щоб ефективно знаходити оптимальні комбінації гіперпараметрів за допомогою перебору ґраткою (grid search), випадкового пошуку (random search), адаптивного повторного вибіркового оцінювання (adaptive resampling) та автоматизованого машинного навчання (AutoML). Крім того, ви попрацюєте з різними наборами даних і налаштуєте різні моделі контрольованого навчання, зокрема випадкові ліси, градієнтний бустинг, опорні вектори та навіть нейронні мережі. Готуйтеся до тюнінгу!
Попередні вимоги
Навчальний план
Зміст курсу
1
Вступ до гіперпараметрів
Чому ми використовуємо дивне слово «гіперпараметр»? Що робить його «гіпер»? Тут ви зрозумієте, що таке параметри моделі і чим вони відрізняються від гіперпараметрів у машинному навчанні. Далі ви побачите, навіщо їх налаштовувати і як стандартні налаштування caret автоматично включають тюнінг гіперпараметрів.
- Параметри проти гіперпараметрів50 XP
- Параметри моделі проти гіперпараметрів100 XP
- Гіперпараметри в лінійних моделях50 XP
- Які це коефіцієнти?100 XP
- Повторення основ машинного навчання50 XP
- Машинне навчання з caret100 XP
- Схеми повторної вибірки50 XP
- Налаштування гіперпараметрів у caret50 XP
- Гіперпараметри в стохастичному градієнтному бустингу50 XP
- Зміна кількості гіперпараметрів для налаштування100 XP
- Налаштування гіперпараметрів вручну100 XP
2
Налаштування гіперпараметрів із caret
У цьому розділі ви навчитеся налаштовувати гіперпараметри за допомогою декартової ґратки. Потім ви реалізуєте швидші та ефективніші підходи. Ви використаєте Random Search і адаптивне повторне вибіркове оцінювання, щоб налаштувати ґратку параметрів, зосереджуючись на значеннях поблизу оптимальних налаштувань.
3
Налаштування гіперпараметрів із mlr
Тут ви використаєте ще один пакет для машинного навчання, який має дуже зручні функції для тюнінгу гіперпараметрів. Ви визначите декартову ґратку або виконаєте Random Search, а також застосуєте розширені техніки. Ви також дізнаєтеся різні способи візуалізувати та оцінювати моделі з різними гіперпараметрами.
4
Налаштування гіперпараметрів із h2o
У фінальному розділі ви використаєте h2o — ще один пакет для машинного навчання з дуже зручними функціями налаштування гіперпараметрів. Ви застосуєте його для тренування різних моделей і визначення декартової ґратки. Потім ви виконаєте Random Search із використанням критеріїв зупинки. Нарешті, ви опануєте AutoML — інтерфейс h2o, який дає змогу дуже швидко й зручно налаштовувати моделі та їхні гіперпараметри однією функцією.
R
Налаштування гіперпараметрів у R
Курс
завершено
