or
To ćwiczenie jest częścią kursu
Gotowy na budowę prawdziwego pipeline'u uczenia maszynowego? Wykonaj ćwiczenia krok po kroku, aby nauczyć się tworzyć drzewa decyzyjne, dzielić dane i przewidywać, u których pacjentów najczęściej występuje cukrzyca. Na koniec zbudujesz miary wydajności, które pozwolą ci ocenić modele i zweryfikować prognozy.
Gotowy na słodką dawkę wiedzy? Wykorzystaj zbiór danych z ocenami czekolady do budowania drzew regresyjnych i oceniaj ich działanie za pomocą odpowiednich miar błędu. Przezwyciężysz statystyczne ograniczenia pojedynczego podziału na zbiór treningowy i testowy, stosując techniki takie jak kroswalidacja, a następnie zagłębisz się jeszcze bardziej, opanowując kompromis między obciążeniem a wariancją.
Czas poważnie zabrać się za strojenie hiperparametrów i interpretację krzywych charakterystyki odbiornika (ROC). W tym rozdziale wykorzystasz siłę zbiorowej mądrości, stosując modele zespołowe – takie jak bagging czy lasy losowe – i zbudujesz zespoły prognozujące, którzy klienci kart kredytowych są najbardziej skłonni do rezygnacji.
Bieżące ćwiczenie
Gotowy na szczyt możliwości modeli drzewiastych? Zastosuj gradient boosting, aby tworzyć potężne zespoły przewyższające wszystko, co do tej pory widziałeś i budowałeś. Dowiesz się, jak je dostrajać i jak porównywać różne modele, by wybrać najlepszy do wdrożenia produkcyjnego.