تنظیم فراپارامترها در R
✅ سرفصل و جزئیات آموزش
برای بسیاری از مسائل یادگیری ماشین، صرفاً اجرای یک مدل با تنظیمات پیشفرض و گرفتن پیشبینی کافی نیست؛ بلکه هدف، دستیابی به بهترین مدل با دقیقترین پیشبینی است. یکی از راههای بهبود مدل، تنظیم فراپارامترها است که به معنای بهینهسازی تنظیمات مختص آن مدل میباشد. در این دوره، با پکیجهای caret ،mlr و h2o کار میشود تا ترکیب بهینه فراپارامترها با استفاده از روشهایی مانند جستجوی شبکهای، جستجوی تصادفی، نمونهبرداری مجدد تطبیقی و یادگیری ماشین خودکار (AutoML) بهصورت کارآمد پیدا شود.
علاوه بر این، با مجموعه داده مختلف کار شده و مدلهای یادگیری نظارتشده گوناگونی مانند جنگلهای تصادفی، ماشینهای تقویت گرادیان، ماشینهای بردار پشتیبان و حتی شبکههای عصبی تنظیم خواهند شد. برای شروع تنظیم مدلها آماده شوید!
تنظیم فراپارامترها در R
-
پارامترها در مقابل فراپارامترها None
-
مروری بر مبانی یادگیری ماشین None
-
تنظیم فراپارامترها در caret None
-
تنظیم فراپارامترها در caret None
-
جستجوی شبکهای در مقابل جستجوی تصادفی None
-
نمونهبرداری مجدد تطبیقی None
-
یادگیری ماشین با mlr None
-
جستجوی شبکهای و تصادفی با mlr None
-
ارزیابی فراپارامترها با mlr None
-
تنظیم پیشرفته با mlr None
-
یادگیری ماشین با h2o None
-
جستجوی شبکهای و تصادفی با h2o None
-
یادگیری ماشین خودکار با H2O None
-
جمعبندی None
مشخصات آموزش
تنظیم فراپارامترها در R
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:پیشرفته
- تعداد درس:14
- مدت زمان :4:00:00
- حجم :270.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy