1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Hyperparameter Tuning in Python
Connected

cvičení

Automatizace výběru hyperparametrů

Najít nejlepší hodnotu hyperparametru, aniž bys musel/a psát stovky řádků kódu pro stovky modelů, je zásadní úspora času, která ti výrazně usnadní budování modelů strojového učení v budoucnu.

Důležitým hyperparametrem algoritmu GBM je learning rate. Ale která hodnota je pro tento problém nejlepší? Napíšeš smyčku, která projde několik možností, výsledky porovnáš a vyberou nejlepší.

Možné hodnoty learning rate k vyzkoušení jsou: 0.001, 0.01, 0.05, 0.1, 0.2 a 0.5

Máš k dispozici datasety X_train, X_test, y_train a y_test a GradientBoostingClassifier je již naimportován.

Pokyny

100 XP
  • Vytvoř seznam learning_rates s hodnotami learning rate a seznam results_list pro ukládání skóre přesnosti předpovědí.
  • Napiš smyčku, která pro každou hodnotu learning rate vytvoří model GBM a vygeneruje předpovědi.
  • Ulož hodnotu learning rate a skóre přesnosti do results_list.
  • Převeď seznam výsledků na DataFrame a vypiš ho.