Özet
Şimdi neleri ele aldığımızı özetleyelim.
Temel olarak, örnek olarak karar ağaçlarını ve rastgele ormanları kullanarak karmaşık bir sınıflandırma sorununu ele aldık. Senaryomuz, hangi insanların Ritmik Jimnastikte madalya kazandığını tahmin etmek için bir model eğitmek zordu ancak bunu başardık. İlginç bir şekilde, bunu yalnızca temel özellikleri kullanarak yapmak için bir yol bulduk: yaş, ağırlık, boy ve oyunların yılı.
Karmaşık modelleri iyileştirmek için genellikle modelin ne kadar büyük veya derin olacağı gibi nasıl yapılandırılacağı hakkında kararlarımız olduğunu öğrendik. Daha büyük ve daha karmaşık modellerin eğitildikten sonra dahili olarak anlaşılmasının ne kadar zor olduğunu, ancak genellikle daha basit model türlerine göre etkileyici performans kazançları olduğunu tartıştık.
Ayrıca, eğitimin nasıl çalıştığını etkileyen ayarlar olan hiper parametrelerle çalışma alıştırması yaptık. Hiper parametrelerin bir modelin ne kadar iyi eğitildiğinde büyük geliştirmeler yapabileceklerini ve en uygun seçimi bulmanın hem mantık hem de deneme gerektirdiğini bulduk.