Analýza stability TPOT
Teď si na vlastní oči ukážeš, jak náhodná povaha TPOT funguje – vytvoříš klasifikátor s různými hodnotami náhodného stavu a uvidíš, který model algoritmus pokaždé vyhodnotí jako nejlepší. Tohle dobře ilustruje, že TPOT je poměrně nestabilní, pokud ho nespustíš na dostatečně dlouhou dobu.
Toto cvičení je součástí kurzu
Hyperparameter Tuning in Python
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Create the tpot classifier
tpot_clf = TPOTClassifier(generations=2, population_size=4, offspring_size=3, scoring='accuracy', cv=2,
verbosity=2, random_state=____)
# Fit the classifier to the training data
tpot_clf.fit(X_train, y_train)
# Score on the test set
print(tpot_clf.score(X_test, y_test))