Analyser la stabilité de TPOT
Vous allez maintenant constater le caractère aléatoire de TPOT en construisant le classificateur avec différents états aléatoires et en observant quel modèle l'algorithme juge optimal. Cela montre que TPOT peut être assez instable lorsqu'on ne le fait pas tourner suffisamment longtemps.
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 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))