शुरू करेंमुफ़्त में शुरू करें

TPOT के साथ जेनेटिक हाइपरपैरामीटर ट्यूनिंग

आप जेनेटिक हाइपरपैरामीटर ट्यूनिंग का एक साधारण उदाहरण करने जा रहे हैं. TPOT एक बहुत शक्तिशाली लाइब्रेरी है जिसमें ढेरों फीचर्स हैं. इस लेसन में आप बस शुरुआत कर रहे हैं, लेकिन हम आपको अपने समय पर और गहराई से एक्सप्लोर करने के लिए प्रोत्साहित करते हैं.

यह बहुत छोटा उदाहरण है. वास्तविक काम में, TPOT को सबसे अच्छा मॉडल ढूँढने के लिए कई घंटों तक चलाने के लिए डिज़ाइन किया गया है. आप आम तौर पर कहीं बड़ी population और offspring size रखते हैं, और एक अच्छा मॉडल खोजने के लिए सैकड़ों और generations चलाते हैं.

आप estimator बनाएँगे, उसे training data पर fit करेंगे और फिर test data पर उसका score निकालेंगे.

इस उदाहरण के लिए हम उपयोग करना चाहते हैं:

  • 3 generations
  • population size में 4
  • प्रत्येक generation में 3 offspring
  • स्कोरिंग के लिए accuracy

परिणामों की स्थिरता के लिए random_state को 2 पर सेट किया गया है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Hyperparameter Tuning

पाठ्यक्रम देखें

अभ्यास निर्देश

  • संदर्भ में दिए गए मान tpot_clf के इनपुट्स में असाइन करें.
  • सही इनपुट्स के साथ tpot_clf क्लासिफायर बनाइए.
  • क्लासिफायर को training data पर fit कीजिए (X_train और y_train आपके वर्कस्पेस में उपलब्ध हैं).
  • फिट किए गए क्लासिफायर से test सेट पर score निकालिए (X_test और y_test आपके वर्कस्पेस में उपलब्ध हैं).

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Assign the values outlined to the inputs
number_generations = ____
population_size = ____
offspring_size = ____
scoring_function = ____

# Create the tpot classifier
tpot_clf = TPOTClassifier(generations=____, population_size=____,
                          offspring_size=____, scoring=____,
                          verbosity=2, random_state=2, cv=2)

# Fit the classifier to the training data
____.____(____, ____)

# Score on the test set
print(____.____(____, ____))
कोड संपादित करें और चलाएँ