Kerangka Materi

Pengenalan

  • Gambaran umum fitur dan keunggulan Random Forest
  • Memahami pohon keputusan dan metode ensemble

Memulai

  • Menyiapkan perpustakaan (Numpy, Pandas, Matplotlib, dll.)
  • Klasifikasi dan regresi dalam Random Forests
  • Kasus penggunaan dan contoh

Implementasi Random Forest

  • Menyiapkan dataset untuk pelatihan
  • Melatih model machine learning
  • Menilai dan meningkatkan akurasi

Penyesuaian Hyperparameter dalam Random Forest

  • Melakukan validasi silang
  • Pencarian acak dan Grid search
  • Visualisasi kinerja model pelatihan
  • Mengoptimalkan hyperparameter

Praktik Terbaik dan Tips Penyelesaian Masalah

Ringkasan dan Langkah Selanjutnya

Persyaratan

  • Memahami konsep machine learning
  • Pengalaman pemrograman Python

Audience

  • Ilmuwan data
  • Insinyur perangkat lunak
 14 Jam

Jumlah Peserta


Biaya per Peserta

Kursus Mendatang

Kategori Terkait