Eksploracja strojenia hiperparametrów

Hiperparametr to parametr modelu, który wybierasz przed rozpoczęciem treningu. (W odróżnieniu od parametrów, które są wyznaczane przez sam trening modelu.) Dostępne hiperparametry różnią się w zależności od rodzaju modelu.

Panel pokazuje model gradient boosting (GBM), który próbuje przewidzieć, czy odwiedzający witrynę dokona zakupu. GBM to typ modelu zespołowego, który tworzy wiele drzew regresji. Do hiperparametrów GBM należą: liczba generowanych drzew, złożoność każdego drzewa oraz współczynnik uczenia (określający, jaką wagę przypisuje się każdemu drzewu).

Z góry trudno przewidzieć, która kombinacja hiperparametrów da najlepszy model – dlatego trzeba wypróbować wiele różnych kombinacji.

Skorzystaj z kontrolek panelu, aby zmieniać hiperparametry i znaleźć kombinację zapewniającą najwyższą dokładność.