Celem laboratorium jest przedstawienie zaawansowanych metod uczenia maszynowego: drzew decyzyjnych, lasów losowych oraz boostingu. Przedstawione zostaną także problem złożonego szukania hiperparametrów oraz wyjaśnialności modelu.
- Drzewa decyzyjne w klasyfikacji i regresji.
- Ensemble learning, lasy losowe.
- Boosting, XGBoost.
- Optymalizacja dużej liczby hiperparametrów: random search, Optuna.
- Wyjaśnialność modelu: ważność cech (według modeli drzewiastych).
Zawartość laboratorium dostępna jest w notebooku.