Mehrere Hyperparameter iterativ abstimmen
In dieser Übung knüpfst du an die Funktion an, die du zuvor erstellt hast, um 2 Hyperparameter zu übergeben, ein Modell zu bauen und die Ergebnisse zurückzugeben. Du wirst sie nun verwenden, um einige Werte zu durchlaufen, und anschließend diese Funktion und die Schleife um einen weiteren Hyperparameter erweitern.
Die Funktion gbm_grid_search(learn_rate, max_depth) steht dir in dieser Übung zur Verfügung.
Wenn du eine Erinnerung an die Funktion brauchst, kannst du die für dich erstellte Funktion print_func() ausführen.
Diese Übung ist Teil des Kurses
<Kurs>Hyperparameter-Tuning in Python</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Create the relevant lists
results_list = ____
learn_rate_list = ____
max_depth_list = ____
# Create the for loop
for learn_rate in ____:
for max_depth in ____:
____.append(gbm_grid_search(____,____))
# Print the results
print(____)