Úvod
Ne všechny modely jsou jednoduché matematické rovnice, které lze vykreslit jako čáru. Místo toho jsou některé složité modely snadněji promyšlené spíše jako vývojové diagramy nebo tradiční programovací struktury. Tyto modely obvykle mají k dispozici další úrovně přizpůsobení, které jim můžou usnadnit práci. V těchto cvičeních to prozkoumáme tak, že budeme manipulovat s fungováním modelů a trénováním. I když se zaměříme na jeden typ modelu, obecné principy zde vyučované platí i pro mnoho dalších typů modelů.
Scénář: Predikce sportovních výsledků pomocí strojového učení
V tomto modulu se podíváme na následující ukázkový scénář, jak vysvětlujeme koncepty architektury modelu a hyperparametrů. Tento scénář je navržený tak, aby se zpočátku zobrazoval složitě, ale při cvičeních se dozvíme, jak se s ním můžete vypořádat s trochou kritického myšlení a experimentování.
Heslo Hry se skládá ze tří latinských slov: Citius - Altius - Fortius. Tato slova znamenají rychlejší - vyšší - silnější. Vzhledem k tomu, že toto heslo bylo vytvořeno, celá řada her se výrazně zvětšila, aby zahrnovala střelbu, plachtění a týmové sporty. Chtěli bychom prozkoumat roli, kterou stále hrají základní fyzické funkce při předpovídání, kdo vyhraje medaili na jedné z nejprestižnějších sportovních akcí na planetě. Za tímto účelem prozkoumáme rytmické gymnastiky: moderní doplněk ke hrám, které kombinují tanec, gymnastiku a calistenics. Můžete očekávat, že základní charakteristiky věku, výšky a hmotnosti hrají pouze omezenou roli vzhledem k potřebě flexibility, flexibility, obratnosti a koordinace. Pojďme použít některé pokročilejší modely strojového učení, abychom viděli, jak jsou tyto základní faktory skutečně důležité.
Požadavky
- Znalost modelů strojového učení
Cíle výuky
V tomto modulu:
- Objevte nové typy modelů: rozhodovací stromy a náhodné doménové struktury.
- Zjistěte, jak může architektura modelu ovlivnit výkon.
- Procvičte si práci s hyperparametry, abyste zlepšili efektivitu trénování.