Поиск
Закладки
Озвучить текст Озвучить книгу
Изменить режим чтения
Изменить размер шрифта
Оглавление
Для озвучивания и цитирования книги перейдите в режим постраничного просмотра.
Python и машинное обучение

Глава 6. Изучение наиболее успешных методов оценки моделей и тонкой настройки гиперпараметров

Оптимизация потоков операций при помощи конвейеров
Загрузка набора данных Breast Cancer Wisconsin
Если Вы наш подписчик,то для того чтобы скопировать текст этой страницы в свой конспект,
используйте просмотр в виде pdf. Вам доступно 5 стр. из этой главы.
Для продолжения работы требуется Регистрация
На предыдущую страницу

Предыдущая страница

Следующая страница

На следующую страницу
Глава 6. Изучение наиболее успешных методов оценки моделей и тонкой настройки гиперпараметров
На предыдущую главу Предыдущая глава
оглавление
Следующая глава На следующую главу

Оглавление

Глава 6. Изучение наиболее успешных методов оценки моделей и тонкой настройки гиперпараметров-
Оптимизация потоков операций при помощи конвейеров
Загрузка набора данных Breast Cancer Wisconsin
Совмещение преобразователей и эстиматоров в конвейере
Использование k-блочной перекрестной проверки для оценки работоспособности модели
Метод проверки с откладыванием данных
k-блочная перекрестная проверка
Отладка алгоритмов при помощи кривой обучения и проверочной кривой
Диагностирование проблем со смещением и дисперсией при помощи кривых обучения
Решение проблемы переподгонки и недоподгонки при помощи проверочных кривых
Тонкая настройка машинно-обучаемых моделей методом сеточного поиска
Настройка гиперпараметров методом поиска по сетке параметров
Отбор алгоритмов методом вложенной перекрестной проверки
Обзор других метрик оценки работоспособности
Прочтение матрицы несоответствий
Оптимизация точности и полноты классификационной модели
Построение графика характеристической кривой
Оценочные метрики для многоклассовой классификации
Резюме
Данный блок поддерживает скрол*