Plan du cours

Introduction

  • Vue d'ensemble des caractéristiques et des avantages de la méthode AdaBoost
  • Comprendre les méthodes d'apprentissage ensembliste

Mise en route

  • Configuration des bibliothèques (Numpy, Pandas, Matplotlib, etc.)
  • Importer ou charger des ensembles de données

Construire un modèle AdaBoost avec Python

  • Préparation des ensembles de données pour l'entraînement
  • Création d'une instance avec AdaBoostClassifier
  • Entraînement du modèle de données
  • Calcul et évaluation des données de test

Travailler avec des hyperparamètres

  • Exploration des hyperparamètres dans AdaBoost
  • Définition des valeurs et entraînement du modèle
  • Modifier les hyperparamètres pour améliorer les performances

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

Nombre de participants


Prix ​​par Participant

Cours à venir

Catégories Similaires