تنظیم فراپارامتر در R

برای بسیاری از مشکلات یادگیری ماشین، اجرای یک مدل خارج از جعبه و دریافت پیش‌بینی کافی نیست. شما بهترین مدل را با دقیق ترین پیش بینی می خواهید. یکی از راه‌های کامل کردن مدل، تنظیم هایپرپارامتر است که به معنای بهینه‌سازی تنظیمات آن مدل خاص است. در این دوره، شما با بسته‌های caret، mlr و h2o کار می‌کنید تا با استفاده از جستجوی شبکه‌ای، جستجوی تصادفی، نمونه‌برداری مجدد تطبیقی ​​و یادگیری ماشین خودکار (AutoML) ترکیب بهینه ابرپارامترها را به شیوه‌ای کارآمد پیدا کنید. علاوه بر این، شما با مجموعه داده‌های مختلف کار می‌کنید و مدل‌های یادگیری تحت نظارت مختلف را تنظیم خواهید کرد، مانند جنگل‌های تصادفی، ماشین‌های تقویت گرادیان، ماشین‌های بردار پشتیبانی و حتی شبکه‌های عصبی. برای تنظیم آماده شوید!