Лекция 11. Random forest
https://compscicenter.ru/
Случайные леса. Bagging. Ключевые параметры модели. Out-of-bag error. Информативность переменных. Анализ несбалансированных выборок. Определение числа деревьев.
Лекция №11 в курсе "Анализ данных на Python в примерах и задачах. Часть 1" (весна 2018).
Преподаватель курса: Вадим Леонардович Аббакумов
Видео Лекция 11. Random forest канала Computer Science Center
Случайные леса. Bagging. Ключевые параметры модели. Out-of-bag error. Информативность переменных. Анализ несбалансированных выборок. Определение числа деревьев.
Лекция №11 в курсе "Анализ данных на Python в примерах и задачах. Часть 1" (весна 2018).
Преподаватель курса: Вадим Леонардович Аббакумов
Видео Лекция 11. Random forest канала Computer Science Center
Показать
Комментарии отсутствуют
Информация о видео
Другие видео канала
Лекция 12. Boosting. Gradient boosting machine. Ключевые параметры модели
Дмитрий Сошников — Доступный искусственный интеллект на платформе .NET
Лекция 10. Деревья классификации и регрессии
Лекция 1. Описательные статистики. Квантили, квартили. Гистограммы
006. Малый ШАД - Компьютерное зрение - Александр Крайнов
Базовые принципы машинного обучения на примере линейной и логистической регрессии (Павел Нестеров)
Метод случайного поиска решений «Фокальный объект». Юрасов А.Б.
Лекция 3. Иерархический кластерный анализ
Лекция 4. Обучение нейронных сетей в Keras, ч. 2 (Анализ данных на Python в примерах и задачах. Ч2)
Анализ данных как новая латынь
Лекция 11. Случайные леса. Gradient boosting machine
Лекция 1. Нейронные сети. Теория (Анализ данных на Python в примерах и задачах. Ч2)
CatBoost - градиентный бустинг от Яндекса
Лекция Дмитрия Крымова
Лекция 9. Факторный анализ и метод главных компонент, продолжение
005. Линейные методы классификации: метод опорных векторов — К.В. Воронцов
1. Введение в Python. Курс "ВВЕДЕНИЕ В АНАЛИЗ ДАННЫХ" | Технострим
Андрей Часовских — Async/await: собираем грабли
Евгений Разинков. Лекция 7. Random Forest (курс "Машинное обучение", весна 2019)