Esplora l'hyperparameter tuning

Un iperparametro è un parametro del modello che scegli tu prima di iniziare l'addestramento. (Al contrario, i parametri vengono determinati durante l'addestramento del modello.) Gli iperparametri disponibili variano a seconda del tipo di modello.

La dashboard mostra un modello di gradient boosting (GBM) che cerca di prevedere se un visitatore di un sito web completerà o meno un acquisto. I GBM sono un tipo di modello ensemble che crea molti alberi di regressione. Gli iperparametri per i GBM includono il numero di alberi da generare, la complessità di ciascun albero e il learning rate (quanto peso si assegna a ciascun albero).

Di solito è impossibile sapere quale combinazione di iperparametri porterà al modello con le prestazioni migliori, quindi devi provare molte combinazioni diverse.

Usa i controlli della dashboard per modificare gli iperparametri e trova la combinazione che offre l'accuracy più alta.