or
Den här övningen är en del av kursen
Redo att bygga en riktig maskininlärningspipeline? Gå igenom steg-för-steg-övningar och lär dig att skapa beslutsträd, dela upp din data och förutsäga vilka patienter som löper störst risk att drabbas av diabetes. Avslutningsvis bygger du prestationsmått för att utvärdera dina modeller och bedöma dina förutsägelser.
Redo att dyka in i regressionsträd? Använd ett dataset med chokladbetyg för att bygga regressionsträd och utvärdera deras prestanda med lämpliga felmått. Du övervinner de statistiska svagheterna hos enstaka tränings- och testuppdelningar genom att tillämpa tekniker som korsvalidering, och fördjupar dig ytterligare genom att bemästra avvägningen mellan bias och varians.
Dags att ta hyperparametertuning och tolkning av ROC-kurvor (receiver operating characteristic) på allvar. I det här kapitlet utnyttjar du styrkan i ensemblemodeller som bagging och slumpskogar, och bygger ensembler som förutsäger vilka kreditkortskunder som är mest benägna att lämna.
Redo för de mest avancerade trädbaserade modellerna? Tillämpa gradientboostning för att skapa kraftfulla ensembler som överträffar allt du tidigare sett eller byggt. Lär dig att finjustera dem och hur du jämför olika modeller för att välja den bästa för produktion.
Aktuell övning