Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Course Outline
소개
- 인공 신경망 대 의사결정 트리 기반 알고리즘
XGBoost 기능 개요
- 그래디언트 부스팅 알고리즘의 Element
- 계산 속도와 모델 성능에 집중
- XGBoost 대 로지스틱 회귀, Random Forest 및 표준 그래디언트 부스팅
트리 기반 알고리즘의 진화
- 결정 트리, 배깅, Random Forest, 부스팅, 그래디언트 부스팅
- 시스템 최적화
- 알고리즘 향상
환경 준비
- SciPy 및 scikit-learn 설치
XGBoost 모델 생성
- 데이터 세트 다운로드
- 일반적인 분류 문제 해결
- 분류를 위한 XGBoost 모델 학습
- 일반적인 회귀 과제를 해결하세요
성능 모니터링
- 성과 평가 및 보고
- 조기 정지
중요도에 따른 기능 플로팅
- 기능 중요도 계산
- 유지할 입력 변수와 삭제할 입력 변수 결정
그래디언트 부스팅 구성
- 훈련 및 검증 데이터 세트의 학습 곡선 검토
- 학습률 조정
- 나무의 수를 조정하다
하이퍼파라미터 튜닝
- XGBoost 모델의 성능 개선
- 하이퍼파라미터를 조정하기 위한 통제된 실험 설계
- 매개변수 조합 검색
파이프라인 생성
- XGBoost 모델을 엔드투엔드 머신 러닝 파이프라인에 통합
- 파이프라인 내에서 하이퍼파라미터 튜닝
- 고급 전처리 기술
문제 해결
요약 및 결론
Requirements
- 머신 러닝 모델 작성 경험
청중
- 데이터 과학자
- 머신러닝 엔지니어
14 Hours