Utforska hyperparameterjustering

En hyperparameter är en modellparameter som du väljer innan träningen börjar. (Till skillnad från vanliga parametrar, som bestäms av modellträningen.) Vilka hyperparametrar som går att ställa in varierar mellan olika typer av modeller.

Dashboarden visar en gradient boosting-modell (GBM) som försöker förutsäga om en webbplatsbesökare kommer att genomföra ett köp. GBM:er är en typ av ensemblemodell som skapar många regressionsträd. Hyperparametrar för GBM:er inkluderar antalet träd som ska genereras, komplexiteten hos varje träd och inlärningshastigheten (hur mycket vikt som ges till varje träd).

Det är vanligtvis omöjligt att veta i förväg vilken kombination av hyperparametrar som ger den bäst presterande modellen, så du behöver prova många olika kombinationer.

Använd dashboardens kontroller för att ändra hyperparametrarna och hitta den kombination som ger högst noggrannhet.