مطالب پیشنهادی از سراسر وب

انتخاب و ارزیابی مدل با استفاده از scikit-learn

دسته بندی ها: آموزش Scikit-Learn ، آموزش هوش مصنوعی (AI) ، آموزش یادگیری ماشینی (Machine Learning) ، آموزش پایتون (Python) ، آموزش های پلورال سایت (Pluralsight)

در طول فرآیند ساخت مدل یادگیری ماشینی، شما باید تصمیمات مهمی در مورد چگونگی ارزیابی عملکرد خوب مدل های خود و همچنین نحوه انتخاب بهترین مدل عملکردی بگیرید. شما در این دوره، دانش بنیادی توانایی ارزیابی و انتخاب بهترین مدل ها را کسب خواهید کرد و می آموزید. ابتدا با انواع معیارها آشنا خواهید شد که می توانید برای ارزیابی عملکرد مدل های خود استفاده کنید. سپس، تکنیک هایی را برای انتخاب مدلی که بهترین عملکرد را در آینده داشته باشد، کشف خواهید کرد. در پایان، نحوه استفاده از این دانش در پایتون را با استفاده از کتابخانه scikit-learn یاد خواهید گرفت. بعد از اتمام این دوره، مهارت و دانش لازم برای ارزیابی و انتخاب بهترین مدل یادگیری ماشینی از مجموعه مدل هایی که ساخته اید را خواهید داشت.

بررسی دوره

انتخاب و ارزیابی مدل چیست؟

تکنیک های انتخاب مدل

آیا این نوشته را دوست داشتید؟
Pluralsight Model Evaluation and Selection Using scikit-learn Duration:1:17:15 Level:Intermediate

During the machine learning model building process, you will have to make some important decisions on how to evaluate how well your models perform, as well as how to select the best performing model. In this course, Model Evaluation and Selection Using scikit-learn, you will learn foundational knowledge/gain the ability to evaluate and select the best models. First, you will learn about a variety of metrics that you can use to evaluate how well your models are performing. Next, you will discover techniques for selecting the model that will perform the best in the future. Finally, you will explore how to implement this knowledge in Python, using the scikit-learn library. When you're finished with this course, you will have the skills and knowledge of needed to evaluate and select the best machine learning model from a set of models that you've built.

پیشنهاد آموزش مرتبط در فرادرس