Джокер
Администратор
- Регистрация
- 2 Янв 2015
- Сообщения
- 112.260
- Реакции
- 72.748
Складчина: Машинное обучение: Кросс-валидация и оптимизация гиперпараметров [stepik] [Сергей Спирёв]
Этот курс охватывает ключевые методы и инструменты кросс-валидации и оптимизации гиперпараметров моделей машинного обучения, используя инструменты библиотеки Scikit-learn. В рамках курса рассматриваются различные стратегии разбиения данных. Важным аспектом станет изучение GridSearchCV и RandomizedSearchCV для эффективной оптимизации моделей.
О курсе
Этот курс погружает учащихся в важнейшие аспекты кросс-валидации и оптимизации гиперпараметров с применением библиотеки Scikit-learn
Начнём с изучения базовых методов оценки моделей, используя функции cross_val_score и cross_validate, чтобы получать более точную оценку производительности модели путем использования кросс-валидации.
Важной составляющей курса станет изучение различных стратегий кросс-валидации, таких как LeaveOneOut, ShuffleSplit и GroupKFold, каждая из которых подходит для определенных типов задач и данных.
Курс также охватывает анализ кривых обучения с использованием функции learning_curve, что поможет понять, как объем данных влияет на производительность модели.
Уделяется внимание и кривым валидации через функцию validation_curve, которая демонстрирует, как изменение гиперпараметров отражается на качестве модели.
Изучение функции permutation_test_score позволит оценивать значимость моделей с использованием перестановочных тестов.
Также рассматривается техника прогнозирования с кросс-валидацией через cross_val_predict, что окажется полезным для визуализации результатов.
Наконец, познакомимся с методами оптимизации гиперпараметров, используя GridSearchCV и RandomizedSearchCV, что позволит автоматизировать процесс поиска наилучших гиперпараметров для моделей.
Начальные требования
Курс для тех, кто уже сделал первые шаги в изучении машинного обучения, но, столкнувшись с вопросами кросс-валидации и оптимизации гиперпараметров, ощутил необходимость более глубокого понимания этих ключевых аспектов.
Наши преподаватели. Сергей Спирёв. Имею двадцатилетний опыт работы в банковской, страховой и лизинговой сферах, где занимался финансовым анализом, моделированием, управлением активами.
Анализирую инструменты фондового рынка с 2008 года. Имею большой профессиональный опыт работы с операциями на биржевом и внебиржевом рынках с ценными бумагами, валютами, драгоценными металлами, операциями РЕПО, своп, межбанковским кредитованием.
Программа курса
Перекрёстная проверка
1.Введение
2.cross_val_score()
3.cross_validate()
4.LeaveOneOut
5.ShuffleSplit, StratifiedShuffleSplit
6.GroupKFold
7.TimeSeriesSplit
8.learning_curve()
9.validation_curve()
10.permutation_test_score()
11.cross_val_predict()
Методы оптимизации гиперпараметров
1.GridSearchCV
2.RandomizedSearchCV
В курс входят
13 уроков
80 тестов
36 интерактивных задач
Последнее обновление 19.05.2025
СКАЧАТЬ СЛИВЫ КУРСОВ
Этот курс охватывает ключевые методы и инструменты кросс-валидации и оптимизации гиперпараметров моделей машинного обучения, используя инструменты библиотеки Scikit-learn. В рамках курса рассматриваются различные стратегии разбиения данных. Важным аспектом станет изучение GridSearchCV и RandomizedSearchCV для эффективной оптимизации моделей.
О курсе
Этот курс погружает учащихся в важнейшие аспекты кросс-валидации и оптимизации гиперпараметров с применением библиотеки Scikit-learn
Начнём с изучения базовых методов оценки моделей, используя функции cross_val_score и cross_validate, чтобы получать более точную оценку производительности модели путем использования кросс-валидации.
Важной составляющей курса станет изучение различных стратегий кросс-валидации, таких как LeaveOneOut, ShuffleSplit и GroupKFold, каждая из которых подходит для определенных типов задач и данных.
Курс также охватывает анализ кривых обучения с использованием функции learning_curve, что поможет понять, как объем данных влияет на производительность модели.
Уделяется внимание и кривым валидации через функцию validation_curve, которая демонстрирует, как изменение гиперпараметров отражается на качестве модели.
Изучение функции permutation_test_score позволит оценивать значимость моделей с использованием перестановочных тестов.
Также рассматривается техника прогнозирования с кросс-валидацией через cross_val_predict, что окажется полезным для визуализации результатов.
Наконец, познакомимся с методами оптимизации гиперпараметров, используя GridSearchCV и RandomizedSearchCV, что позволит автоматизировать процесс поиска наилучших гиперпараметров для моделей.
Начальные требования
Курс для тех, кто уже сделал первые шаги в изучении машинного обучения, но, столкнувшись с вопросами кросс-валидации и оптимизации гиперпараметров, ощутил необходимость более глубокого понимания этих ключевых аспектов.
Наши преподаватели. Сергей Спирёв. Имею двадцатилетний опыт работы в банковской, страховой и лизинговой сферах, где занимался финансовым анализом, моделированием, управлением активами.
Анализирую инструменты фондового рынка с 2008 года. Имею большой профессиональный опыт работы с операциями на биржевом и внебиржевом рынках с ценными бумагами, валютами, драгоценными металлами, операциями РЕПО, своп, межбанковским кредитованием.
Программа курса
Перекрёстная проверка
1.Введение
2.cross_val_score()
3.cross_validate()
4.LeaveOneOut
5.ShuffleSplit, StratifiedShuffleSplit
6.GroupKFold
7.TimeSeriesSplit
8.learning_curve()
9.validation_curve()
10.permutation_test_score()
11.cross_val_predict()
Методы оптимизации гиперпараметров
1.GridSearchCV
2.RandomizedSearchCV
В курс входят
13 уроков
80 тестов
36 интерактивных задач
Последнее обновление 19.05.2025
СКАЧАТЬ СЛИВЫ КУРСОВ
Для возможности скачивать складчины и сливы курсов нужно зарегистрироваться
Возможно, Вас ещё заинтересует:
- Rust dev .База. Дай Краба! [stepik] [Святослав Гусс]
- [Шитье] Анатомическая колодка [Елена Никитина]
- [Шитье] Бельевой манекен. Размер 80В, рост 170 [Елена Никитина]
- Интенсив по композиции [Анастасия Максимова, Соня Шерова]
- Курс-рассылка Процессор [Ира Моторина]
- Блок #2. Практика Таро. Ключи к современным хитам. Занятие 05. Таро Табула Мунди [Сестра IC]
- Блок #2. Практика Таро. Ключи к современным хитам. Занятие 02. Таро 78 Дверей [Сестра IC]
- Откройте для себя секреты здоровья и красоты с лучшим онлайн-сервисом для фитнеса и здорового образа жизни! [№3 на 1 месяц] [fitstars.ru]
- [Вязание] Вязаное спицами летнее ажурное платье-сарафан Arachne Dress [Вяжи.ру] [Hyeonji Jin]
- Интенсив Проблемные зоны [Алена Медведева]