or
Ця вправа є частиною курсу
У цьому вступному розділі ви дізнаєтеся різницю між гіперпараметрами та параметрами. Ви попрактикуєтеся у вилученні й аналізі параметрів, встановленні значень гіперпараметрів для кількох популярних алгоритмів машинного навчання. Паралельно ви опануєте корисні поради й прийоми щодо вибору гіперпараметрів для тюнінгу, добору значень і побудови кривих навчання для аналізу зроблених виборів.
У цьому розділі ви познайомитеся з популярною методологією автоматизованого тюнінгу гіперпараметрів — Grid Search. Ви дізнаєтеся, що це таке, як це працює, і виконаєте Grid Search у Scikit Learn. Далі ви навчитеся аналізувати результати Grid Search і закріпите це на практиці.
У цьому розділі ви познайомитеся з іншою популярною методологією автоматизованого тюнінгу гіперпараметрів — Random Search. Ви дізнаєтеся, що це таке, як це працює і, що важливо, чим воно відрізняється від grid search. Ви розглянете переваги й недоліки методу та коли варто обирати його замість Grid Search. Ви виконаєте Random Search у Scikit Learn, а також візуалізуєте й інтерпретуєте отримані результати.
У фінальному розділі ви отримаєте уявлення про більш просунуті методи тюнінгу гіперпараметрів, відомі як «informed search». Сюди входить підхід Coarse To Fine, а також байєсівські та генетичні алгоритми тюнінгу. Ви дізнаєтеся, чим informed search відрізняється від uninformed search, і отримаєте практичні навички з кожною з означених методологій, порівнюючи та зіставляючи їх у процесі.
Поточна вправа