エピソード

ランダム フォレストを使用してアーキテクチャとハイパーパラメーターを選択してカスタマイズする - エピソード 7

Jason DeBoever と Glenn Stephens に参加して、Learn TVに参加し、この 9 部構成の「機械学習のためのデータ サイエンスの基礎」シリーズを探索してください。 毎週、Learn モジュールについて説明し、参加者の質問にライブで回答します。 基本的な従来の機械学習モデルから探索的データ分析やアーキテクチャのカスタマイズに至るまで、簡単に理解できる概念的なコンテンツと対話型の Jupyter Notebook をガイドとして提供し、基になる概念と、最も一般的な機械学習ツールを使用してモデルを構築する方法について説明します。

ランダム フォレストを使用してアーキテクチャとハイパーパラメーターを選択してカスタマイズする: エピソード 07

多くの場合、より複雑なモデルを手動でカスタマイズすることで、その有効性を向上させることができます。 より複雑なモデルのアーキテクチャを変更することで、どれほどの効果が得られるかを演習を交えながら説明します。 このエピソードでは、次のことを行います。

  • 新しいモデルの種類、デシジョン ツリーとランダム フォレストについて理解します
  • モデル アーキテクチャがパフォーマンスに与える影響について学習します。
  • トレーニングの有効性を向上させるためにハイパーパラメーターの操作を練習します