or
Bu egzersiz, kursun bir parçasıdır
Bu giriş bölümünde hiperparametreler ile parametreler arasındaki farkı öğreneceksin. Parametreleri çıkarmayı ve analiz etmeyi, birkaç popüler Machine Learning algoritması için hiperparametre değerlerini ayarlamayı pratik edeceksin. Bu süreçte, hangi hiperparametreleri ayarlayacağına ve hangi değerleri seçeceğine dair en iyi uygulama ipuçları ve püf noktalarını öğrenecek, seçimlerini analiz etmek için öğrenme eğrileri oluşturacaksın.
Bu bölümde, Grid Search adı verilen popüler bir otomatik hiperparametre ayarlama yöntemiyle tanışacaksın. Ne olduğunu, nasıl çalıştığını öğrenecek ve Scikit Learn kullanarak bir Grid Search uygulamayı pratik edeceksin. Ardından bir Grid Search çıktısını nasıl analiz edeceğini öğrenecek ve bununla ilgili pratik deneyim kazanacaksın.
Bu bölümde Random Search adı verilen bir diğer popüler otomatik hiperparametre ayarlama yöntemiyle tanışacaksın. Ne olduğunu, nasıl çalıştığını ve özellikle grid search'ten nasıl farklılaştığını öğreneceksin. Bu yöntemin bazı avantaj ve dezavantajlarını, ayrıca Grid Search'e kıyasla ne zaman tercih edileceğini göreceksin. Scikit Learn ile bir Random Search uygulamayı; ayrıca çıktıyı görselleştirmeyi ve yorumlamayı pratik edeceksin.
Bu son bölümde, "bilgili arama" olarak bilinen daha gelişmiş hiperparametre ayarlama yöntemlerinden bir tadım alacaksın. Buna Coarse To Fine olarak bilinen bir yöntem ile Bayesian ve Genetik hiperparametre ayarlama algoritmaları dahildir. Bilgili aramanın bilgisiz aramadan nasıl farklılaştığını öğrenecek ve belirtilen her bir yöntemle pratik beceriler kazanarak ilerlerken bunları karşılaştırıp değerlendireceksin.
Geçerli egzersiz