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およびカスタマイズする
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。
学習の目的
このモジュールでは、次のことを行います。
- 新しいモデル タイプ (決定木とランダム フォレスト) を発見します。
- 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。
前提条件
機械学習モデルに関する知識