まとめ
学んだ内容をまとめてみましょう。
主に、例として、デシジョン ツリーとランダム フォレストを使用した複雑な分類の問題に取り組みました。 シナリオは、新体操でだれがメダルを獲得するかを予測するモデルをトレーニングするという難しいものでしたが、成功させることができました。 興味深いことに、年齢、体重、身長、競技年数という基本的な特徴のみを使用してこれを実現する方法を見つけました。
複雑なモデルを最適化するために、モデルの大きさや深さなど、モデルの構造について決定する必要があることを学びました。 規模が大きくて複雑なモデルは、内部を理解することは非常に難しいものの、一度トレーニングすると、多くの場合、より単純なモデル タイプよりもパフォーマンスが向上することを学びました。
また、ハイパーパラメーターの使用方法 (トレーニングの作用に影響を与える設定) に関する演習も行いました。 ハイパーパラメーターを使用すると、モデルのトレーニングの精度を大幅に向上させることができること、また最適な選択を見つけるには、推論と実験の両方が必要であることも学びました。