Analyse der Stabilität von TPOT
Du wirst jetzt die zufällige Natur von TPOT sehen, indem du den Klassifikator mit unterschiedlichen Zufallszuständen konstruierst und beobachtest, welches Modell der Algorithmus als bestes findet. Das zeigt, dass TPOT ziemlich instabil ist, wenn es nicht lange genug ausgeführt wird.
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 tpot classifier
tpot_clf = TPOTClassifier(generations=2, population_size=4, offspring_size=3, scoring='accuracy', cv=2,
verbosity=2, random_state=____)
# Fit the classifier to the training data
tpot_clf.fit(X_train, y_train)
# Score on the test set
print(tpot_clf.score(X_test, y_test))