Uso de SGDClassifier
En este ejercicio final de codificación, realizará una búsqueda de hiperparámetros sobre la fuerza de regularización y la pérdida (regresión logística frente a lineal SVM) utilizando SGDClassifier().
Este ejercicio forma parte del curso
Clasificadores lineales en Python
Instrucciones del ejercicio
- Instancie una instancia de
SGDClassifierconrandom_state=0. - Búsqueda sobre la fuerza de regularización y las pérdidas
hingevs.log_loss.
Ejercicio interactivo práctico
Prueba este ejercicio completando el código de muestra.
# 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))