Explorar o ajuste de hiperparâmetros

Um hiperparâmetro é um parâmetro do modelo que é escolhido por você antes do início do treinamento. (Isso é diferente dos parâmetros, que são determinados pelo treinamento do modelo). Os hiperparâmetros disponíveis para definição diferem entre os tipos de modelo.

Aqui você vê os resultados de um modelo de aumento de gradiente (GBMs) que tenta prever se as pessoas votarão ou não em uma eleição. Os GBMs são um tipo de modelo de conjunto que cria muitas árvores de regressão. Os hiperparâmetros para GBMs incluem o número de árvores a serem geradas, a complexidade de cada árvore e a taxa de aprendizado (quanto peso é dado a cada árvore).

Normalmente, é impossível saber qual combinação de hiperparâmetros resultará no modelo de melhor desempenho, portanto, você precisa experimentar várias combinações deles.

Use os controles do painel para alterar os hiperparâmetros e encontrar a combinação que oferece a maior precisão.