课程大纲

介绍

  • Random Forest 特性和优势概述
  • 了解决策树和集成方法

开始

  • 设置库(Numpy、Pandas、Matplotlib 等)
  • Random Forests 中的分类和回归
  • 使用案例和示例

实施 Random Forest

  • 准备用于训练的数据集
  • 训练机器学习模型
  • 评估和提高准确性

调整 Random Forest 中的超参数

  • 执行交叉验证
  • 随机搜索和网格搜索
  • 可视化训练模型性能
  • 优化超参数

最佳实践和故障排除提示

总结和后续步骤

要求

  • 了解机器学习概念
  • Python 程式设计经验

观众

  • 数据科学家
  • 软体工程师
 14 小时

即将举行的公开课程

课程分类