Która wizualizacja, podczas dostrajania modelu zespołowego opartego na drzewach z AUC jako celem, pomaga zdecydować, jak dostosować zakres hiperparametru (na przykład maksymalną głębokość drzewa), aby skrócić czas i koszty szkolenia?

Wykres punktowy pokazujący związek między maksymalną głębokością drzewa a metryką celu (AUC) jest najbardziej pomocny, ponieważ pozwala wizualnie ocenić, jak zmiana tego hiperparametru wpływa na wydajność modelu. Można dzięki temu zidentyfikować zakresy, w których dalsze zwiększanie głębokości drzewa nie przynosi znaczącej poprawy AUC, a jedynie wydłuża czas i zwiększa koszt treningu. Histogram rozkładu cechy wejściowej jest przydatny do wstępnej analizy danych, ale nie bezpośrednio do dostrajania hiperparametrów. Wykres t-SNE pomaga w wizualizacji danych wysokowymiarowych i identyfikacji skupień, ale nie pokazuje związku między hiperparametrami a metryką celu. Wykres punktowy metryki celu w kolejnych iteracjach treningowych jest użyteczny do monitorowania konwergencji treningu, ale nie do optymalizacji zakresu hiperparametru.