课程介绍
在本课程中,您将学习什么是超参数,什么是遗传学。算法是什么,什么是超参数优化。在本课程中,您将应用遗传算法来优化支持向量机(SVM)和多层感知器神经网络(MLP NN)的性能。这称为超参数调整或参数调整。您还将学习如何使用遗传算法进行特征选择。在本课程结束时,您将学习如何在Python中编码遗传算法,以及如何优化机器学习算法以实现最佳性能。您还将学到如何将遗传算法应用于特征选择。
In this course, you will learn what hyperparameters are, what Genetic Algorithm is, and what hyperparameter optimization is. In this course, you will apply Genetic Algorithm to optimize the performance of Support Vector Machines (SVMs) and Multilayer Perceptron Neural Networks (MLP NNs). It is referred to as hyperparameter tuning or parameter tuning. You will also learn how to do feature selection using Genetic Algorithm.
类型:在线学习| MP4 | 视频:h264,1280×720 | 音频:aac,44100 Hz
语言:英语| VTT | 大小:3.49 GB | 持续时间:6.5小时
您将学到的内容
应用遗传算法优化机器学习算法
将遗传算法应用于支持向量机和多层感知器神经网络
将遗传算法应用于特征选择
了解如何从头开始用Python编写遗传算法
要求
机器学习的基础知识运筹学和优化的基础知识(不是必须的,但是很有帮助)
Python的基本编程技能-(不是必须的,但是很有帮助)
总结一下:
您将学习什么是超参数(有时也称为参数,尽管有所不同)
您将学习遗传算法
您将使用遗传算法来优化机器学习算法的性能
最大化模型的准确性和预测能力
优化SVM和MLP神经网络的性能
应用特征选择以提取与预测输出相关的特征
充分利用您的机器学习模型
删除多余的功能,从而减少模型的时间和复杂性
了解哪些功能与输出有关系,哪些功能与输出没有关系
您不需要在优化或Python编程方面有很多知识和经验-它会有所帮助,但不一定要成功完成此课程。
本课程将教您如何优化机器学习算法的功能
每一行代码都有详尽的解释
该代码以简单的方式编写,即使您对Python的了解为零,您也将了解事物的工作方式以及如何对遗传算法进行编码
基本上,您可以将其视为不仅是一门课程,它可以教您如何优化机器学习模型,而且还可以是Python编程!
本课程的对象:
想要学习遗传算法的
任何人想要优化其机器学习算法的
功能的
任何人想要学习特征选择的任何人想要在Python中编写遗传算法的任何人