Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Introduction
- Vue d'ensemble des caractéristiques et des avantages de Random Forest
- Comprendre les arbres de décision et les méthodes d'ensemble
Mise en route
- Installation des bibliothèques (Numpy, Pandas, Matplotlib, etc.)
- Classification et régression dans les Random Forest
- Cas d'utilisation et exemples
Mise en œuvre de Random Forest
- Préparation des ensembles de données pour l'entraînement
- Entraînement du modèle d'apprentissage automatique
- Évaluation et amélioration de la précision
Réglage des hyperparamètres dans Random Forest
- Effectuer des validations croisées
- Recherche aléatoire et recherche en grille
- Visualisation des performances du modèle d'apprentissage
- Optimisation des hyperparamètres
Meilleures pratiques et conseils de dépannage
Résumé et prochaines étapes
Pré requis
- Une compréhension des concepts d'apprentissage automatique
- Une expérience de la programmation Python.
Audience
- Scientifiques des données
- Ingénieurs en logiciel
14 Heures