Rozcvička s GridSearchCV
Ve videu jsme viděli, že zvyšování hyperparametru gamma u RBF kernelu zvyšuje přesnost na trénovacích datech. V tomto cvičení najdeš hodnotu gamma, která maximalizuje přesnost při křížové validaci – pomocí GridSearchCV ze scikit-learn. Binární verze datasetu ručně psaných číslic, kde zjišťuješ, jestli je na obrázku číslice „2", je už načtena do proměnných X a y.
Toto cvičení je součástí kurzu
Linear Classifiers in Python
Pokyny k cvičení
- Vytvoř objekt
GridSearchCV. - Zavolej metodu
fit(), která na základě křížové validace vybere nejlepší hodnotugamma.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Instantiate an RBF SVM
svm = SVC()
# Instantiate the GridSearchCV object and run the search
parameters = {'gamma':[0.00001, 0.0001, 0.001, 0.01, 0.1]}
searcher = GridSearchCV(svm, ____)
____.fit(____)
# Report the best parameters
print("Best CV params", searcher.best_params_)