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

cvičení

Iterace od hrubého k jemnému

Teď si vizualizuješ výsledky prvního náhodného hledání, sestavíš užší mřížku a ověříš výsledky. Budeš mít k dispozici:

  • results_df – DataFrame s kombinacemi hyperparametrů a výslednou přesností ze všech 500 pokusů. Jsou zahrnuty pouze hyperparametry s nejsilnější vizualizací z předchozího cvičení (max_depth a learn_rate).
  • visualize_first() – tato funkce nebere žádné argumenty a vizualizuje každý z tvých hyperparametrů vzhledem k přesnosti pro první náhodné hledání.

Pokud si chceš prohlédnout definici funkce visualize_first() (nebo visualize_second()), spusť tento kód:

import inspect
print(inspect.getsource(visualize_first))

Pokyny 1/3

undefined XP
    1
    2
    3
  • Pomocí funkce visualize_first() zjisti, jaké hodnoty max_depth a learn_rate mají tendenci dosahovat lepších výsledků. Pro přehlednost bude do grafu přidána červená čára.