بست گرادیان شدید با XGBoost
✅ سرفصل و جزئیات آموزش
آیا با مبانی یادگیری نظارتشده آشنا هستید و میخواهید از مدلهای پیشرفته روی مجموعه داده دنیای واقعی استفاده کنید؟ بست گرادیان در حال حاضر یکی از محبوبترین تکنیکها برای مدلسازی کارآمد مجموعه داده جدولی در هر اندازهای است. XGBoost یک پیادهسازی بسیار سریع و مقیاسپذیر از بست گرادیان است، به طوری که مدلهای استفادهکننده از XGBoost به طور منظم در رقابتهای علم داده آنلاین برنده میشوند و در مقیاس گسترده در صنایع مختلف مورد استفاده قرار میگیرند.
در این دوره، یاد خواهید گرفت که چگونه از این کتابخانه قدرتمند در کنار pandas و scikit-learn برای ساخت و تنظیم مدلهای یادگیری نظارتشده استفاده کنید. با مجموعه داده دنیای واقعی کار خواهید کرد تا مسائل طبقهبندی و رگرسیون را حل کنید.
بست گرادیان شدید با XGBoost
-
به دوره خوش آمدید! None
-
معرفی XGBoost None
-
درخت تصمیم چیست؟ None
-
Boosting چیست؟ None
-
چه زمانی باید از XGBoost استفاده کنم؟ None
-
مرور رگرسیون None
-
توابع هدف (تابع زیان) و یادگیرندههای پایه None
-
رگولاریزاسیون و یادگیرندههای پایه در XGBoost None
-
چرا مدل خود را تنظیم کنیم؟ None
-
مروری بر هایپرپارامترهای XGBoost None
-
مرور جستجوی شبکهای و جستجوی تصادفی None
-
محدودیتهای جستجوی شبکهای و جستجوی تصادفی None
-
مرور پایپلاینها با استفاده از sklearn None
-
ادغام XGBoost در پایپلاینها None
-
تیونینگ هایپرپارامترهای XGBoost None
-
نتیجهگیری نهایی None
مشخصات آموزش
بست گرادیان شدید با XGBoost
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:متوسط
- تعداد درس:16
- مدت زمان :4:00:00
- حجم :931.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy