Selezionare e personalizzare architetture e iperparametri usando una foresta casuale
I modelli più complessi spesso possono essere personalizzati manualmente per migliorarne l'efficacia. Tramite esercizi e contenuti esplicativi, viene illustrato in che modo la modifica dell'architettura di modelli più complessi può portare a risultati più efficaci.
Obiettivi di apprendimento
Contenuto del modulo:
- Individuare nuovi tipi di modelli: alberi delle decisioni e foreste casuali.
- Informazioni su come l'architettura del modello può influire sulle prestazioni.
- Provare a usare gli iperparametri per migliorare l'efficacia del training.
Prerequisiti
Familiarità con i modelli di Machine Learning