Plan du cours

Introduction

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

Pour commencer

  • 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 la formation
  • Création d'une instance avec AdaBoostClassifier
  • Formation du modèle de données
  • Calcul et évaluation des données de test

Travailler avec des hyperparamètres

  • Exploration des hyperparamètres dans AdaBoost
  • Fixer les valeurs et entraîner le 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
  • Python expérience en programmation

Audience

  • Data scientists
  • (scientifiques des données)
  • Ingénieurs en logiciel
  14 heures
 

Nombre de participants


Début

Fin


Dates are subject to availability and take place between 09:30 and 16:30.
Les formations ouvertes requièrent plus de 3 participants.

Nos Clients témoignent (4)

Cours Similaires

Catégories Similaires