При настройке ансамблевой модели на основе деревьев с AUC в качестве целевой метрики, какая визуализация поможет решить, как скорректировать диапазон гиперпараметров (например, максимальную глубину дерева) для сокращения времени обучения и затрат?

Для оптимизации гиперпараметров, таких как максимальная глубина дерева, и сокращения времени обучения и затрат, необходимо понимать, как изменение этого гиперпараметра влияет на целевую метрику (AUC). Диаграмма рассеяния, отображающая максимальную глубину дерева по оси X и AUC по оси Y, позволит визуально определить оптимальный диапазон глубины, где AUC достигает приемлемых значений, а дальнейшее увеличение глубины не приносит существенного улучшения, но увеличивает вычислительные затраты. Гистограмма распределения признаков (вариант 1) полезна для предварительной обработки данных, но не для оценки влияния гиперпараметров. Диаграмма t-SNE (вариант 2) помогает визуализировать кластеризацию данных, но не напрямую связана с настройкой гиперпараметров модели. Диаграмма целевой метрики по итерациям обучения (вариант 3) показывает сходимость модели, но не демонстрирует влияние конкретного гиперпараметра на метрику.