Rozdział 12. Wybór modelu
12.0. Wprowadzenie
W uczeniu maszynowym trenujemy algorytmy, aby poznać parametry modelu, minimalizując pewną funkcję straty. Jednak w wielu algorytmach uczenia maszynowego, na przykład w przypadku maszyn wektora nośnego i losowego lasu, mamy również hiperparametry wymagające zdefiniowania poza procesem uczenia. Algorytm losowego lasu to kolekcja drzew decyzyjnych (stąd w nazwie słowo las), przy czym liczba drzew decyzyjnych znajdujących się w lesie nie jest ustalana przez algorytm i musi być podana wcześniej. Często określa się to jako dostrajanie hiperparametru, optymalizację hiperparametru lub wybór modelu. Ponadto bywa, że chcemy wypróbować wiele algorytmów uczenia maszynowego — na przykład przetestować algorytmy ...
Get Uczenie maszynowe w Pythonie now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
