Selecionar e personalizar arquiteturas e hiperparâmetros com a floresta aleatória
Os modelos mais complexos podem ser personalizados manualmente para melhorar a sua eficácia. Através de exercícios e conteúdos explicativos, exploramos de que forma a alteração da arquitetura de modelos mais complexos pode trazer resultados mais eficazes.
Objetivos de aprendizagem
Neste módulo, irá:
- Descubra novos tipos de modelos: árvores de decisão e florestas aleatórias.
- Saiba como a arquitetura do modelo pode afetar o desempenho.
- Pratique trabalhar com hiperparâmetros para melhorar a eficácia do treino.
Pré-requisitos
Familiaridade com modelos de aprendizagem automática