Onderzoek hyperparameter tuning

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

Het dashboard toont een gradient boosting model (GBM) dat probeert te voorspellen of een websitebezoeker een aankoop afrondt. 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 learning rate (hoeveel gewicht elke boom krijgt).

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

Gebruik de besturingselementen in het dashboard om hyperparameters te wijzigen en vind de combinatie die de hoogste nauwkeurigheid geeft.