Verken hyperparameter-tuning

Een hyperparameter is een modelparameter die je zelf kiest vóórdat de training begint. (In tegenstelling tot parameters, die tijdens de modeltraining worden bepaald.) Welke hyperparameters je kunt instellen, verschilt per type model.

Hier zie je de resultaten van gradient boosting-modellen (GBM's) die proberen te voorspellen of mensen wel of niet gaan stemmen bij een verkiezing. GBM's zijn een type ensemblemodel dat veel regressiebomen maakt. Hyperparameters voor GBM's zijn onder andere het aantal te genereren bomen, de complexiteit van elke boom en het leerrendement (hoeveel gewicht elke boom krijgt).

Het is meestal onmogelijk om vooraf te weten welke combinatie van hyperparameters het best presterende model oplevert, dus moet je veel combinaties uitproberen.

Gebruik de dashboardbesturing om hyperparameters te wijzigen en zoek de combinatie die de hoogste nauwkeurigheid oplevert.