Utiliser SGDClassifier

Dans cet ultime exercice de code, vous allez effectuer une recherche d’hyperparamètres sur l’intensité de la régularisation et sur la fonction de perte (régression logistique vs SVM linéaire) à l’aide de SGDClassifier().

Cet exercice fait partie du cours

Classifieurs linéaires en Python

Afficher le cours

Instructions

Instanciez un SGDClassifier avec random_state=0.
Effectuez une recherche sur l’intensité de la régularisation et entre les pertes hinge et log_loss.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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))

Modifier et exécuter le code