Explorer l'ajustement des hyperparamètres

Un hyperparamètre est un paramètre de modèle que vous choisissez avant le début de l'entraînement. (À l'inverse, les paramètres sont déterminés pendant l'entraînement du modèle.) Les hyperparamètres offerts varient selon le type de modèle.

Le tableau de bord présente un modèle de gradient boosting (GBM) qui tente de prédire si une personne qui visite un site web effectuera un achat. Les GBM sont un type de modèle par ensemble qui créent un grand nombre d'arbres de régression. Les hyperparamètres des GBM incluent le nombre d'arbres à générer, la complexité de chaque arbre et le taux d'apprentissage (le poids accordé à chaque arbre).

Il est généralement impossible de savoir à l'avance quelle combinaison d'hyperparamètres donnera le modèle le plus performant ; vous devez donc en essayer plusieurs.

Utilisez les contrôles du tableau de bord pour modifier les hyperparamètres et trouver la combinaison qui donne la plus grande justesse.