Ajuster plusieurs hyperparamètres de façon itérative
Dans cet exercice, vous allez bonifier la fonction que vous avez créée plus tôt pour recevoir 2 hyperparamètres, entraîner un modèle et retourner les résultats. Vous l'utiliserez maintenant pour parcourir certaines valeurs, puis vous étendrez cette fonction et la boucle avec un hyperparamètre supplémentaire.
La fonction gbm_grid_search(learn_rate, max_depth) est offerte dans cet exercice.
Si vous souhaitez vous rappeler la structure de la fonction, vous pouvez exécuter print_func() qui a été préparée pour vous.
Cette activité fait partie du cours
Ajustement des hyperparamètres en Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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(____)