Выбор и настройка архитектур и гиперпараметров с помощью случайного леса
Более сложные модели часто можно настроить вручную, чтобы повысить эффективность их работы. С помощью упражнений и пояснительных материалов мы рассмотрим, как изменение архитектуры более сложных моделей может привести к более эффективным результатам.
Цели обучения
В этом модуле вы будете:
- Обнаружение новых типов моделей: деревья принятия решений и случайные леса.
- Узнайте, как архитектура модели может повлиять на производительность.
- Практика работы с гиперпараметрами для повышения эффективности обучения.
Предварительные требования
Знакомство с моделями машинного обучения