Best outputs का उपयोग

निम्न में से किस पैरामीटर को सेट करना आवश्यक है ताकि आप भविष्यवाणी के लिए सीधे best_estimator_ प्रॉपर्टी का उपयोग कर सकें?

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Hyperparameter Tuning

पाठ्यक्रम देखें

इंटरैक्टिव व्यावहारिक अभ्यास

हमारे इंटरैक्टिव अभ्यासों में से किसी एक के साथ सिद्धांत को व्यवहार में बदलें

अभ्यास शुरू करें

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Hyperparameter Tuning

SkillTag.level.intermediateSkillTag.label

4.9+

835 reviews

पाठ्यक्रम मुफ्त में शुरू करें

इस प्रारंभिक अध्याय में आप हाइपरपैरामीटर्स और पैरामीटर्स के बीच का अंतर सीखेंगे। आप पैरामीटर्स को निकालने और उनका विश्लेषण करने का अभ्यास करेंगे, तथा कई लोकप्रिय मशीन लर्निंग एल्गोरिदम के लिए हाइपरपैरामीटर वैल्यू सेट करेंगे। इसी दौरान आप यह भी सीखेंगे कि किन हाइपरपैरामीटर्स को ट्यून करना है और किन वैल्यूज़ पर सेट करना है, इसके लिए कुछ बेहतरीन टिप्स और ट्रिक्स, और अपनी हाइपरपैरामीटर पसंद का विश्लेषण करने हेतु लर्निंग कर्व्स कैसे बनाएँ।

Exercise 1: परिचय और 'Parameters'Exercise 2: Logistic Regression में Parameters Exercise 3: Logistic Regression का एक पैरामीटर निकालना Exercise 4: Random Forest का एक पैरामीटर निकालना Exercise 5: हाइपरपैरामीटर्स का परिचय Exercise 6: Random Forests में Hyperparameters Exercise 7: Random Forest हाइपरपैरामीटर्स की पड़ताल Exercise 8: KNN के Hyperparameters Exercise 9: हाइपरपैरामीटर वैल्यू सेट करना और विश्लेषण Exercise 10: Hyperparameter चयन को ऑटोमेट करना Exercise 11: लर्निंग कर्व बनाना

यह अध्याय आपको Grid Search नाम की एक लोकप्रिय ऑटोमेटेड हाइपरपैरामीटर ट्यूनिंग पद्धति से परिचित कराता है। आप सीखेंगे कि यह क्या है, कैसे काम करती है, और Scikit Learn के साथ Grid Search कैसे करें। इसके बाद आप Grid Search के आउटपुट का विश्लेषण करना सीखेंगे और इसका व्यावहारिक अनुभव भी हासिल करेंगे।

Exercise 1: Grid Search का परिचय Exercise 2: Grid Search फंक्शन बनाएँ Exercise 3: एकाधिक हाइपरपैरामीटर को क्रमिक रूप से ट्यून करें Exercise 4: कितने मॉडल?Exercise 5: Scikit Learn के साथ Grid Search Exercise 6: GridSearchCV इनपुट्स Exercise 7: Scikit Learn के साथ GridSearchCV Exercise 8: ग्रिड सर्च के आउटपुट को समझना Exercise 9: Best outputs का उपयोग

वर्तमान अभ्यास

Exercise 10: Grid search के परिणामों की जाँच Exercise 11: Best results का विश्लेषण Exercise 12: Best results का उपयोग

इस अध्याय में आप Random Search नाम की एक और लोकप्रिय ऑटोमेटेड हाइपरपैरामीटर ट्यूनिंग पद्धति से परिचित होंगे। आप सीखेंगे कि यह क्या है, कैसे काम करती है, और खासतौर पर यह Grid Search से कैसे भिन्न है। आप इस विधि के कुछ फायदे और सीमाएँ जानेंगे और किन परिस्थितियों में इसे Grid Search पर चुनना बेहतर है। आप Scikit Learn के साथ Random Search करना, साथ ही उसके आउटपुट को विज़ुअलाइज़ और इंटरप्रेट करना भी अभ्यास करेंगे।

Exercise 1: Random Search का परिचय Exercise 2: हाइपरपैरामीटर का रैंडम सैंपल लें Exercise 3: Random Forest के साथ Randomly Search Exercise 4: Random Search का विज़ुअलाइज़ेशन Exercise 5: Scikit Learn में Random Search Exercise 6: RandomSearchCV के इनपुट Exercise 7: RandomizedSearchCV ऑब्जेक्ट Exercise 8: Scikit Learn में RandomizedSearchCV Exercise 9: Grid और Random Search की तुलना Exercise 10: Random और Grid Search की तुलना Exercise 11: Grid और Random Search एक साथ

इस अंतिम अध्याय में आपको अधिक एडवांस्ड हाइपरपैरामीटर ट्यूनिंग पद्धतियों की झलक मिलेगी जिन्हें 'informed search' कहा जाता है। इसमें Coarse To Fine नाम की पद्धति के साथ-साथ Bayesian और Genetic हाइपरपैरामीटर ट्यूनिंग एल्गोरिदम शामिल हैं। आप सीखेंगे कि informed search, uninformed search से कैसे अलग होती है, और उल्लिखित प्रत्येक पद्धति के साथ व्यावहारिक कौशल विकसित करेंगे, उन्हें साथ-साथ तुलना करते हुए।

Exercise 1: Informed Search: Coarse to Fine Exercise 2: Coarse to Fine का विज़ुअलाइज़ेशन Exercise 3: Coarse to Fine Iterations Exercise 4: Informed Search: Bayesian Statistics Exercise 5: Python में Bayes Rule Exercise 6: Hyperopt के साथ Bayesian हाइपरपैरामीटर ट्यूनिंग Exercise 7: Informed Search: Genetic Algorithms Exercise 8: TPOT के साथ जेनेटिक हाइपरपैरामीटर ट्यूनिंग Exercise 9: TPOT की स्थिरता का विश्लेषण Exercise 10: बधाई हो!