介绍
并不是所有模型都是可以绘制成线条的简单数学方程。 相反，某些复杂的模型更容易实现，比如流程图或传统的编程结构。 这类模型通常有额外的自定义级别，这可以使它们更强大，但也更难使用。 在这些练习中，我们将通过操作模型的工作方式和训练方式来探索这一点。 虽然我们只重点介绍一种类型的模型，但这里所教的一般原则也适用于许多其他类型的模型。
场景：使用机器学习预测体育赛事结果
在整个模块中，我们将参考下面的示例场景，来解释围绕模型体系结构和超参数的概念。 这个场景一开始看起来很复杂，但随着练习的深入，我们将了解到如何运用一些批判性思维和实验来解决它。
运动会的格言由三个拉丁词组成：Citius - Altius - Fortius。 这些词的意思是“更快 - 更高 - 更强”。 自从这句格言确立以来，运动会的比赛项目有了很大的发展，包括射击、帆船和团体运动。 我们将探索基本的身体特征在预测谁能在这个星球上最负盛名的体育赛事中赢得奖牌方面仍然发挥的作用。 为此，我们将探索艺术体操：一种结合舞蹈、体操和健美操的现代体育运动。 考虑到敏捷性、柔韧性、灵活性和协调性的需要，人们可能会认为，年龄、身高和体重等基本特征只起到有限的作用。 让我们用一些更高级的机器学习模型来看看这些基本因素到底有多重要。
先决条件
- 熟悉机器学习模型
学习目标
在本模块中，你将：
- 发现新的模型类型：决策树和随机森林。
- 了解模型体系结构对性能的影响。
- 练习使用超参数来提高训练效果。