Гиперпараметр машинного обучения - это параметр, который задается до начала процесса обучения. Он используется для управления процессом обучения. Эти параметры настраиваются и могут напрямую влиять на качество обучения модели. Гиперпараметры можно классифицировать как гиперпараметры модели, которые нельзя вывести при подгонке машины к обучающей выборке , потому что они относятся к задаче выбор модели или гиперпараметрам алгоритма, которые в принципе не влияют на производительность..

Эта статья призвана показать реализацию Python для различных методов настройки гиперпараметров с использованием модели RandomForest. Содержание: → Важность настройки гиперпараметров! → Настройка / оптимизация гиперпараметров → Определение функций → Проверка производительности на базовой модели → Различные методы настройки гиперпараметров 1. GridSearch 2. Случайный поиск 3. Последовательное деление пополам 4. Байесовские оптимизаторы 5. Ручной поиск → Разница между..