- Суть
- Кросс-валидация и автоматический подбор гиперпараметров моделей в Scikit-learn
- На выходе
- Оценивать производительность моделей с помощью кросс-валидации; Анализировать качество моделей через learning_curve и validation_curve; Применять специализированные стратегии разбиения данных (TimeSeriesSplit, GroupKFold); Автоматизировать поиск параметров моделей через GridSearchCV и RandomizedSearchCV; Оценивать значимость моделей с помощью перестановочных тестов
- Навыки
- Кросс-валидация в Scikit-learn · Оптимизация через GridSearchCV · Оптимизация через RandomizedSearchCV · Применение LeaveOneOut · Применение GroupKFold · Применение TimeSeriesSplit
- Кому подойдёт
- Те, кто уже знаком с основами машинного обучения
- Знать заранее
- Основы машинного обучения
