1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Supervised Learning with scikit-learn
Connected

cvičení

Ladění hyperparametrů pomocí GridSearchCV

Teď, když víš, jak funguje vyhledávání v mřížce, sestavíš model lasso regrese s optimálními hyperparametry pro předpovídání hladiny glukózy v krvi. Jako vstupní příznaky použiješ dataset diabetes_df.

X_train, X_test, y_train a y_test jsou už předpřipraveny. Objekt KFold() je uložen jako kf a model lasso regrese jako lasso.

Pokyny

100 XP
  • Importuj GridSearchCV.
  • Nastav mřížku parametrů pro "alpha" – pomocí np.linspace() vytvoř 20 rovnoměrně rozložených hodnot od 0.00001 do 1.
  • Zavolej GridSearchCV() a předej mu lasso, mřížku parametrů a nastav cv na kf.
  • Natrénuj objekt grid search na trénovacích datech, aby provedl křížově ověřené prohledávání mřížky.