Počet stromů a estimátorů

Náhodné lesy jsou ansámbl složený z velkého počtu rozhodovacích stromů. Počet stromů je řízen parametrem n_estimators. Níže vidíš heatmapu přesnosti klasifikátoru náhodného lesa. Na svislé ose jsou zobrazeny různé hodnoty maximální hloubky (max_depth), na vodorovné ose různé počty estimátorů (n_estimators). Jak závisí výkon klasifikátoru na těchto dvou hyperparametrech?

Toto cvičení je součástí kurzu

Designing Machine Learning Workflows in Python

Zobrazit kurz

Interaktivní praktické cvičení

Proměňte teorii v praxi s jedním z našich interaktivních cvičení

Začít cvičení

Toto cvičení je součástí kurzu

Designing Machine Learning Workflows in Python

SkillTag.level.advancedSkillTag.label

4.8+

95 reviews

Začněte kurz zdarma

V této kapitole si zopakuješ základy workflow pro učení s učitelem: trénování a ladění modelu, výběr modelu, inženýrství příznaků, jejich výběr a techniky rozdělení dat. Pochopíš, jak na sebe tyto kroky navazují, a zjistíš, jak každý z nich může přispívat k přetrénování — nebo ho naopak omezovat. Přetrénování je přitom jedním z největších nepřátel každého datového vědce. Na konci kapitoly budeš mít pevné základy v učení s učitelem a budeš připraven/a ponořit se do pokročilejšího obsahu v dalších kapitolách.

Exercise 1: Supervised learning pipelines Exercise 2: Feature engineering Exercise 3: Tvůj první pipeline Exercise 4: Složitost modelu a přeučení Exercise 5: Grid search CV pro složitost modelu Exercise 6: Počet stromů a estimátorů

Aktuální cvičení

Exercise 7: Feature engineering a přeučení Exercise 8: Kódování kategorických proměnných Exercise 9: Transformace příznaků Exercise 10: Vše dohromady

V předchozí kapitole sis upevnil/a znalosti standardních workflow pro učení s učitelem. V této kapitole se kriticky podíváš na to, jak se do učení s učitelem zapojuje odborná znalost z dané oblasti. Věnovat se budeme výběru správné jednotky analýzy, která může vyžadovat inženýrství příznaků z více datových zdrojů, ne vždy dokonalému procesu popisování příkladů a také definici ztrátové funkce, která zachycuje skutečnou obchodní hodnotu chyb tvého modelu strojového učení.

Exercise 1: Datová fúze Exercise 2: Je problémový zdrojový, nebo cílový počítač?Exercise 3: Feature engineering na seskupených datech Exercise 4: Nedokonalé štítky Exercise 5: Z heuristiky ke klasifikátoru Exercise 6: Kombinování heuristik Exercise 7: Práce se zašuměnými štítky Exercise 8: Ztrátové funkce – část I Exercise 9: Připomenutí metrik výkonu Exercise 10: Analýza nákladů v praxi Exercise 11: Výpočty z matice záměn Exercise 12: Ztrátové funkce – část II Exercise 13: Výchozí prahová hodnota Exercise 14: Optimalizace prahu Exercise 15: Spojení dohromady

V předchozí kapitole ses naučil/a různé způsoby, jak zapracovat zpětnou vazbu od odborníků do svého workflow a vyhodnocovat ji v souladu s obchodní hodnotou. Teď je čas procvičit dovednosti potřebné k nasazení modelu do produkce a k tomu, aby si i po čase udržel dobrou výkonnost díky průběžnému vylepšování. Naučíš se také diagnostikovat dataset shift a zmírňovat vliv, který může měnící se prostředí mít na přesnost tvého modelu.

Exercise 1: Od workflow k pipeline Exercise 2: Tvůj první pipeline – znovu!Exercise 3: Vlastní skórovací funkce v pipeline Exercise 4: Nasazení modelu Exercise 5: Pickle soubory Exercise 6: Vlastní funkce jako transformátory v pipeline Exercise 7: Iterace bez přeučení Exercise 8: Výzva pro šampiona Exercise 9: Statistiky křížové validace Exercise 10: Posun dat Exercise 11: Ladění velikosti okna Exercise 12: Vše dohromady

V předchozích kapitolách sis vybudoval/a pevné základy v učení s učitelem včetně nasazování modelů do produkce, přičemž jsi vždy předpokládal/a, že máš k dispozici popsaný dataset. V této kapitole se pustíš do modelování dat zcela bez popisků nebo jen s jejich malým množstvím. Čeká tě výlet do světa detekce anomálií jako formy učení bez učitele, ale i do učení na základě vzdálenosti, kde místo popisků poslouží představy o podobnosti mezi příklady — a dosáhnout přesnosti srovnatelné s učením s učitelem. Po dokončení této kapitoly budeš s přehledem vědět, jaké nástroje použít, jak upravit svůj workflow a jak překonat nejčastější výzvy z praxe. To tě jasně odliší od ostatních datových vědců.

Exercise 1: Detekce anomálií Exercise 2: Jednoduchý outlier Exercise 3: Kontaminace LoF Exercise 4: Detekce novinek Exercise 5: Jednoduchá detekce novosti Exercise 6: Tři detektory novinek Exercise 7: Kontaminace podruhé Exercise 8: Učení na základě vzdálenosti Exercise 9: Najdi nejbližšího souseda Exercise 10: Metriky se neshodují Exercise 11: Nestrukturovaná data Exercise 12: Restricted Levenshtein Exercise 13: Všechno dohromady Exercise 14: Závěrečné poznámky