शुरू करेंमुफ़्त में शुरू करें

हाइपरपैरामीटर्स में बदलाव

ट्रेनिंग की iterations की संख्या और hidden layers का आकार, MLP classifier के दो प्रमुख hyperparameters हैं जिन्हें बदला जा सकता है। इस अभ्यास में, आप दोनों को अलग-अलग बदलेंगे और देखेंगे कि accuracy और ROC curve के AUC के रूप में प्रदर्शन कैसे बदल सकता है.

X_train, y_train, X_test, y_test आपके workspace में उपलब्ध हैं। Features को पहले से StandardScaler() का उपयोग करके standardize किया गया है। pandas pd के रूप में, और numpy np के रूप में, आपके workspace में उपलब्ध हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Machine Learning के साथ CTR प्रेडिक्शन

पाठ्यक्रम देखें

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Loop over various max_iter configurations
max_iter_list = [10, 20, 30]
for max_iter in ____:
	clf = MLPClassifier(hidden_layer_sizes = (4, ), 
                        ____ = max_iter, random_state = 0)
   	# Extract relevant predictions
	y_score = clf.fit(____, ____).____(X_test)
	y_pred = clf.fit(____, ____).____(X_test)

	# Get ROC curve metrics
	print("Accuracy for max_iter = %s: %s" %(
      max_iter, _____(y_test, ____)))
	print("AUC for max_iter = %s: %s" %(
      max_iter, ____(y_test, ____[:, 1])))
कोड संपादित करें और चलाएँ