Explorez l'ajustement des hyperparamètres

Un hyperparamètre est un paramètre du modèle que vous choisissez avant le début de l'entraînement. (Contrairement aux paramètres, qui sont déterminés par l'entraînement du modèle.) Les hyperparamètres disponibles varient selon le type de modèle.

Le tableau de bord présente un modèle de gradient boosting (GBM) qui tente de prédire si un visiteur d'un site web finalisera un achat ou non. Les GBM sont un type de modèle d'ensemble qui crée de nombreux 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 quelle combinaison d'hyperparamètres donnera le modèle le plus performant ; vous devez donc en essayer de nombreuses.

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