Hyperparameter-Tuning erkunden

Ein Hyperparameter ist ein Modellparameter, den du vor dem Training festlegst. (Im Gegensatz dazu werden Parameter während des Trainings vom Modell bestimmt.) Welche Hyperparameter du setzen kannst, hängt vom Modelltyp ab.

Das Dashboard zeigt ein Gradient-Boosting-Modell (GBM), das vorhersagen soll, ob ein Website-Besucher einen Kauf abschließt oder nicht. GBMs sind eine Art Ensemblemodell, das viele Regressionsbäume erstellt. Zu den Hyperparametern für GBMs gehören die Anzahl der zu erzeugenden Bäume, die Komplexität jedes Baums und die Lernrate (wie stark jeder Baum gewichtet wird).

In der Regel ist es unmöglich, im Voraus zu wissen, welche Kombination von Hyperparametern das am besten performende Modell liefert. Daher musst du viele Kombinationen ausprobieren.

Verwende die Dashboard-Steuerelemente, um Hyperparameter zu ändern, und finde die Kombination mit der höchsten Genauigkeit.