Metode ansambla
Sadržaj
Metode ansambla se korsite kako bi se povećala tačnostpredikcija u mašinksom učenju. Ansambl metode se koriste
za kombinovanje više modela kako bi se smanjila varijabilnost i povećala tačnost predikcija.
Bootstrap aggregating (Bagging)
- Generisanje više verzija originalnog skupa podataka koji se koristi za treniranje modela
- Treniranje više modela
- Odabir najboljih predikcija
Boosting
- Serije iteracija kojima se treniraju modeli
- Svaki novi model se fokusira na teže podatke koji su prethodni modeli pogrešno predvideli
- Odabir najboljih predikcija
Stacking
- Kombinovanje rezultata više različitih modela kako bi se dobio bolji konačni model
- Treniranje više različitih modela na istom skupu podataka
- Treniranje „meta-modela“ na rezultatima svih prethodnih modela
Random Forest
- Korišćenje više stabala odluke (decision trees) koji su trenirani na različitim podskupovima podataka
- Odabir najboljih predikcija
Gradient Boosting
- • Kombinovanje serija slabih modela koji su trenirani narazličitim podskupovima podataka kako bi se dobio jak model
- Svaki novi model se fokusira na teže podatke koji su prethodni modeli pogrešno predvideli
Datumi
- Na upit
Investicija
- 690 EUR po polazniku + PDV.
- PDV na usluge treninga je 20%
- PDV možete da odbijete u poslovnim knjigama.
Prijava
Download (PDF)
Top 50
Specijalizovani programi
- 24 treninga za Power BI (PDF)
- Akademija controllinga (PDF)
- Data & Biznis (PDF)
- DISC model (PDF)
- Data Science Expert (PDF)
- Finansije i Controlling (PDF)
- Gemba walk (PDF)
- Izveštaji za menadžere (PDF)
- Lean Six Sigma Sertifikacija (PDF)
- Mentoring iz Finansija & Controllinga (PDF)
- Savremeni inženjer (PDF)
- Strategijski menadžment (PDF)
- Vrhunski analitičar (PDF)
- Vođenje ljudi u proizvodnji (PDF)