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 МАШИННОМ ОБУ...   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