or
Ця вправа є частиною курсу
У цьому розділі ви познайомитеся з базовою ідеєю XGBoost — бустинговими учнями. Зрозумівши, як працює XGBoost, ви застосуєте його до типової задачі класифікації з індустрії: передбачення, чи клієнт припинить бути клієнтом у певний момент у майбутньому.
Після короткого огляду регресії з учителем ви застосуєте XGBoost до задачі регресії з прогнозування цін на житло в Еймсі, штат Айова. Ви дізнаєтеся про два типи базових учнів, які XGBoost може використовувати як слабкі моделі, та повторите, як оцінювати якість ваших регресійних моделей.
У цьому розділі ви навчитеся робити свої моделі XGBoost максимально результативними. Ви дізнаєтеся про різноманітні параметри, які можна змінювати, щоб впливати на поведінку XGBoost, і як ефективно їх налаштовувати, щоб суттєво підвищити продуктивність ваших моделей.
Підніміть свої навички роботи з XGBoost на вищий рівень, інтегрувавши моделі у два наскрізні конвеєри машинного навчання. Ви навчитеся ефективно налаштовувати найважливіші гіперпараметри XGBoost у складі конвеєра та отримаєте вступ до деяких просунутих методів попереднього опрацювання.
Поточна вправа