КАК НЕ ПЕРЕОБУЧИТЬ ДЕРЕВО РЕШЕНИЙ Decision Tree | MAX DEPTH, MIN SAMPLES LEAF, MAX LEAF NODES

Поддержать канал можно оформив подписку на https://boosty.to/machine_learrrning
Практическое задание на платформе boosty: https://boosty.to/machine_learrrning/...
Канал в TG https://t.me/machine_learrrning

Курсы на платформе Stepik:
1. Библиотеки Python для Data Science https://stepik.org/a/129105
2. Введение в нейронные сети (Keras/Tensorflow) https://stepik.org/a/127274


Видео про переобучение и недообучение    • ПЕРЕОБУЧЕНИЕ И НЕДООБУЧЕНИЕ В МАШИННО...  


Как сделать так, чтобы модель не переобучалась?
А нужно пользоваться критериями останова.
Расскажу про критерии max_depth, min_samples_leaf и max_leaf_nodes, как их понимать и как их настраивать, чтобы модель обучалась отлично.


Ноутбук из видео https://colab.research.google.com/dri...



0:00 Вводная
0:21 Датасет на сегодня
0:42 Обучение дерева решений и визуализация
1:03 Подсчет метрик
1:40 Вспоминаем про переобучение
2:27 Склонность деревьев к переобучению

2:42 Основные критерия останова у дерева решений

3:30 max_depth
4:03 Снижение переобучения с помощью max_depth

4:30 min_samples_leaf
5:14 Снижение переобучения с помощью min_samples_leaf

5:36 max_leaf_nodes
6:07 Снижение переобучения с помощью max_leaf_nodes

6:13 Использование критериев останова вместе
6:30 Как использовать критерии останова
6:46 Обучение дерева решений на параметрах по умолчанию
7:15 Эксперименты с критериями останова
8:43 Алгоритм поиска лучших критериев останова

9:26 Резюме критериев останова
10:19 Резюме занятия
10:30 Помощь каналу https://boosty.to/machine_learrrning
11:35 Завершение