Sestavení křivek učení

Pokud chceme otestovat velké množství různých hodnot jednoho hyperparametru, může být jejich zobrazení v podobě DataFrame dost nepřehledné. Dříve jsi se naučil/a šikovný trik, jak to řešit. Graf zvaný „křivka učení" dokáže přehledně ukázat, jak zvyšování nebo snižování konkrétního hyperparametru ovlivňuje výsledný výstup.

Místo testování jen několika hodnot míry učení jich otestuješ mnohem více, abys snadno viděl/a vliv tohoto hyperparametru napříč širokým rozsahem hodnot. Užitečná funkce z NumPy je np.linspace(start, end, num), která ti umožní vytvořit zadaný počet hodnot (num) rovnoměrně rozložených v intervalu (start, end).

K dispozici máš datové sady X_train, X_test, y_train a y_test.

Vytvoř seznam 30 hodnot míry učení rovnoměrně rozložených mezi 0,01 a 2.
Vytvoř podobnou smyčku jako v předchozím cvičení, ale tentokrát ukládej pouze skóre přesnosti do seznamu.
Vykresli graf závislosti míry učení na skóre přesnosti.

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}cvičení

Pokyny

cvičení