or
Это упражнение является частью курса
В этой главе вы познакомитесь с ключевой идеей XGBoost — бустингом слабых моделей. Разобравшись в принципах работы XGBoost, вы применените его для решения типичной задачи классификации из реальной практики: предсказания оттока клиентов.
После краткого повторения основ регрессии с учителем вы примените XGBoost для решения задачи предсказания цен на жильё в Эймсе, штат Айова. Вы узнаете о двух типах базовых моделей, которые XGBoost использует в качестве слабых обучающихся, и научитесь оценивать качество регрессионных моделей.
В этой главе вы научитесь добиваться максимальной производительности от моделей XGBoost. Вы изучите разнообразные параметры, влияющие на поведение XGBoost, и освоите эффективные методы их настройки, чтобы вывести качество своих моделей на новый уровень.
Поднимите свои навыки работы с XGBoost на новый уровень, встроив модели в сквозные пайплайны машинного обучения. Вы научитесь эффективно настраивать ключевые гиперпараметры XGBoost внутри пайплайна и познакомитесь с более продвинутыми техниками предобработки данных.
Текущее упражнение