Hyperparameter-Optimierung erkunden

Ein Hyperparameter ist ein Modellparameter, den du vor dem Training auswählst. (Im Gegensatz zu den Parametern, die durch das Modelltraining bestimmt werden). Die Hyperparameter, die du einstellen kannst, unterscheiden sich je nach Modelltyp.

Hier siehst du die Ergebnisse eines Gradient-Boosting-Modells (GBMs), das versucht vorherzusagen, ob Menschen bei einer Wahl wählen werden oder nicht. GBMs sind eine Art Ensemble-Modell, das viele Regressionsbäume erstellt. Zu den Hyperparametern für GBMs gehören die Anzahl der zu erzeugenden Bäume, die Komplexität der einzelnen Bäume und die Lernrate (wie viel Gewicht jedem Baum gegeben wird).

Normalerweise ist es unmöglich zu wissen, welche Kombination von Hyperparametern das beste Modell ergibt, so dass man viele verschiedene Kombinationen ausprobieren muss.

Verwende die Steuerelemente auf dem Dashboard, um die Hyperparameter zu ändern und die Kombination zu finden, die die höchste Genauigkeit liefert.