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

cvičení

RandomSearchCV v Scikit Learn

Pojďme si procvičit sestavení objektu RandomizedSearchCV pomocí Scikit Learn.

Mřížka hyperparametrů by měla zahrnovat max_depth (všechny hodnoty od 5 do 25 včetně) a max_features ('auto' a 'sqrt').

Požadované nastavení objektu RandomizedSearchCV:

  • Estimátor RandomForestClassifier s hodnotou n_estimators 80.
  • 3-násobná křížová validace (cv)
  • Pro hodnocení modelů použij roc_auc
  • Pro paralelní zpracování použij 4 jádra (n_jobs)
  • Zajisti přetrénování nejlepšího modelu a vrácení trénovacích skóre
  • Pro efektivitu vzorkuj pouze 5 modelů (n_iter)

Datasets X_train a y_train jsou již načteny.

Pamatuj, že zvolené hyperparametry najdeš v cv_results_ – každý hyperparametr má vlastní sloupec. Například sloupec pro hyperparametr criterion se jmenuje param_criterion.

Pokyny

100 XP
  • Vytvoř mřížku hyperparametrů podle zadání výše.
  • Vytvoř objekt RandomizedSearchCV podle zadání výše.
  • Napoj objekt RandomizedSearchCV na trénovací data.
  • Přistup k objektu cv_results_ a vypiš hodnoty zvolené procesem modelování pro oba hyperparametry (max_depth a max_features).