Použití SGDClassifier

V tomto závěrečném cvičení provedeš hledání hyperparametrů přes sílu regularizace a ztrátovou funkci (logistická regrese vs. lineární SVM) pomocí SGDClassifier().

Toto cvičení je součástí kurzu

Linear Classifiers in Python

Zobrazit kurz

Pokyny k cvičení

Vytvoř instanci SGDClassifier s parametrem random_state=0.
Prohledej prostor síly regularizace a ztrátových funkcí hinge a log_loss.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# We set random_state=0 for reproducibility 
linear_classifier = ____(random_state=0)

# Instantiate the GridSearchCV object and run the search
parameters = {'alpha':[0.00001, 0.0001, 0.001, 0.01, 0.1, 1], 
             'loss':[____]}
searcher = GridSearchCV(linear_classifier, parameters, cv=10)
searcher.fit(X_train, y_train)

# Report the best parameters and the corresponding score
print("Best CV params", searcher.best_params_)
print("Best CV accuracy", searcher.best_score_)
print("Test accuracy of best grid search hypers:", searcher.score(X_test, y_test))

Upravit a spustit kód