สำรวจการปรับแต่งไฮเปอร์พารามิเตอร์

ไฮเปอร์พารามิเตอร์คือพารามิเตอร์ของโมเดลที่คุณเลือกกำหนดไว้ก่อนเริ่มการฝึก ซึ่งต่างจากพารามิเตอร์ทั่วไปที่โมเดลเรียนรู้และกำหนดขึ้นเองระหว่างการฝึก ทั้งนี้ ไฮเปอร์พารามิเตอร์ที่ตั้งค่าได้จะแตกต่างกันไปตามประเภทของโมเดล

แดชบอร์ดนี้แสดงโมเดล Gradient Boosting (GBM) ที่พยายามทำนายว่าผู้เยี่ยมชมเว็บไซต์จะทำการซื้อสินค้าหรือไม่ GBM เป็นโมเดลแบบ ensemble ที่สร้าง regression tree จำนวนมาก ไฮเปอร์พารามิเตอร์ของ GBM ได้แก่ จำนวน tree ที่สร้าง ความซับซ้อนของแต่ละ tree และ learning rate (น้ำหนักที่มอบให้กับแต่ละ tree)

โดยทั่วไปแล้ว เป็นเรื่องยากที่จะรู้ล่วงหน้าว่าการผสมผสานไฮเปอร์พารามิเตอร์แบบใดจะให้โมเดลที่ดีที่สุด จึงต้องลองหลายๆ การผสมผสาน

ใช้ตัวควบคุมในแดชบอร์ดเพื่อปรับไฮเปอร์พารามิเตอร์ และค้นหาการผสมผสานที่ให้ค่าความแม่นยำสูงที่สุด