1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Extreme Gradient Boosting with XGBoost
Connected

cvičení

Náhodné prohledávání s XGBoostem

GridSearchCV může být v praxi velmi časově náročné, proto se místo něj často hodí použít RandomizedSearchCV – a přesně to uděláš v tomto cvičení. Dobrá zpráva je, že stačí jen pár úprav stávajícího kódu pro GridSearchCV. Hlavní rozdíl spočívá v tom, že místo parametru param_grid použiješ parametr param_distributions.

Pokyny

100 XP
  • Vytvoř mřížku parametrů gbm_param_grid, která bude obsahovat seznam s jednou hodnotou pro 'n_estimators' (25) a seznam hodnot 'max_depth' od 2 do 11 – použij k tomu range(2, 12).
  • Vytvoř objekt RandomizedSearchCV s názvem randomized_mse a předej mu: mřížku parametrů do param_distributions, XGBRegressor do estimator, "neg_mean_squared_error" do scoring, 5 do n_iter a 4 do cv. Nastav také verbose=1, aby byl výstup přehlednější.
  • Natrénuj objekt RandomizedSearchCV na datech X a y.