Antal träd och estimatorer

Slumpskogar är en ensemble av ett stort antal beslutsträd. Antalet träd styrs av parametern n_estimators. Nedan ser du en heatmap över noggrannheten hos en slumpskogsklassificerare. Olika värden för maximalt träddjup (max_depth) visas på den vertikala axeln och olika antal estimatorer (n_estimators) på den horisontella axeln. Hur beror klassificerarens prestanda på dessa två hyperparametrar i det här fallet?

Den här övningen är en del av kursen

Att designa maskininlärningsflöden i Python

Visa kurs

Interaktiv övning med praktiskt arbete

Gör teori till handling med en av våra interaktiva övningar

Starta övningen

Den här övningen är en del av kursen

Att designa maskininlärningsflöden i Python

SkillTag.level.advancedSkillTag.label

4.8+

96 reviews

Starta kursen gratis

I det här kapitlet repeterar du grunderna i ett övervakat inlärningsflöde, med modellträning, finjustering och urval, särdragsframtagning och -urval samt tekniker för att dela upp data. Du lär dig hur dessa steg i ett flöde beror av varandra och hur de alla kan bidra till – eller motverka – överanpassning: datavetarens värsta fiende. När kapitlet är slut behärskar du övervakad inlärning och är redo att ta dig an det mer avancerade materialet i kommande kapitel.

Exercise 1: Övervakade inlärningspipelines Exercise 2: Feature engineering Exercise 3: Din första pipeline Exercise 4: Modellkomplexitet och överanpassning Exercise 5: Grid search CV för modellkomplexitet Exercise 6: Antal träd och estimatorer

Aktuell övning

Exercise 7: Särdragshantering och överanpassning Exercise 8: Kategoriska kodningar Exercise 9: Särdragstransformationer Exercise 10: Sätt ihop allt

I föregående kapitel fördjupade du dina kunskaper om standardflöden för övervakad inlärning. I det här kapitlet granskar du kritiskt hur expertkunskap integreras i övervakad inlärning. Det sker genom att identifiera rätt analysenhet – vilket kan kräva särdragsframtagning från flera datakällor – genom den ibland ofullkomliga processen att märka exempel, samt genom att specificera en förlustfunktion som fångar det verkliga affärsvärdet av de fel din maskininlärningsmodell gör.

Exercise 1: Datafusion Exercise 2: Är källan eller destinationen den problematiska?Exercise 3: Särdragsframtagning på grupperade data Exercise 4: Ofullkomliga etiketter Exercise 5: Omvandla en heuristik till en klassificerare Exercise 6: Kombinera heuristiker Exercise 7: Hantera brus i etiketter Exercise 8: Förlustfunktioner del I Exercise 9: Repetition av prestandamått Exercise 10: Kostnadsanalys i verkligheten Exercise 11: Beräkningar med konfusionsmatris Exercise 12: Förlustfunktioner del II Exercise 13: Standardtröskel för klassificering Exercise 14: Optimera tröskelvärdet Exercise 15: Allt satt i ett sammanhang

I föregående kapitel använde du olika sätt att integrera expertåterkoppling i ditt flöde och utvärdera det utifrån affärsvärde. Nu är det dags att öva på de färdigheter som krävs för att produktionssätta din modell och säkerställa att den fortsätter prestera väl – genom att iterativt förbättra den. Du lär dig också att diagnostisera datamängdsförskjutning och minska den effekt som en föränderlig miljö kan ha på modellens träffsäkerhet.

Exercise 1: Från arbetsflöden till pipelines Exercise 2: Din första pipeline – igen!Exercise 3: Anpassade poängsättare i pipelines Exercise 4: Modellsdriftsättning Exercise 5: Pickles Exercise 6: Anpassade funktionstransformerare i pipelines Exercise 7: Iterera utan att överanpassa Exercise 8: Utmana mästaren Exercise 9: Korsvalideringsstatistik Exercise 10: Datauppsättningsskifte Exercise 11: Justera fönsterstorlek Exercise 12: Sätt ihop allt

I de tidigare kapitlen lade du en solid grund inom övervakad inlärning, inklusive kunskaper om att driftsätta modeller i produktion – men alltid med antagandet att en märkt datamängd skulle finnas tillgänglig. I det här kapitlet tar du dig an utmaningen att modellera data utan, eller med mycket få, etiketter. Det leder dig in i anomalidetektion, en form av oövervakad modellering, samt distansbaserad inlärning, där antaganden om likhet mellan exempel kan ersätta etiketter och hjälpa dig nå en träffsäkerhet som är jämförbar med ett övervakat flöde. När du har genomfört kapitlet sticker du tydligt ut bland datavetenskap och vet med säkerhet vilka verktyg du ska använda för att anpassa ditt flöde och hantera vanliga verkliga utmaningar.

Exercise 1: Avvikelsedetektering Exercise 2: En enkel avvikare Exercise 3: LoF-kontaminering Exercise 4: Nyhetsdetektion Exercise 5: En enkel novitetsdetektion Exercise 6: Tre avvikelsedetektor Exercise 7: Kontaminering – ett nytt perspektiv Exercise 8: Distansbaserat lärande Exercise 9: Hitta närmaste granne Exercise 10: Måtten är inte alltid överens Exercise 11: Ostrukturerad data Exercise 12: Begränsad Levenshtein Exercise 13: Sätt ihop allt Exercise 14: Avslutande kommentarer