课程描述
您将在机器学习的超参数优化中学到什么
- 调整和优化元参数并了解其重要性和原因
- 交叉验证方法
- 用网络搜索法和随机随机搜索法调整和优化元参数
- 贝叶斯优化
- 树结构 Parzen 估计器优化方法
- 基于人口的培训
- Hyperopt、Optuna、Scikit-optimize 和 Keras Turner 库和框架
课程规格
出版商：Udemy 讲师：Soledad Galli 语言：英语水平：中级课程数量：94 课时：9 小时 26 分钟
2022/3 课程主题
机器学习先决条件的超参数优化
Python 编程，包括 NumPy、Pandas 和 Scikit-learn 的知识
熟悉基本的机器学习算法，即回归、支持向量机和最近邻
熟悉决策树算法和随机森林
熟悉梯度提升机，即 xgboost、lightGBMs
了解机器学习模型评估指标
熟悉神经元网络
图片
机器学习超参数优化介绍视频
媒体错误：格式不受支持或来源未找到
安装指南
在 Extract 之后，用您最喜欢的播放器观看。
英文字幕
画质：720p
下载链接
声明：本站所有文章，如无特殊说明或标注，均为本站发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
