MLP Grid Search
Hyperparameter tuning को sklearn में अलग-अलग इनपुट पैरामीटर्स देकर किया जा सकता है, जिनमें से कई को numpy की अलग-अलग फंक्शंस से एन्कोड किया जा सकता है. एक तरीका, जो param_grid के जरिए बताए गए सभी hyperparameters के कॉम्बिनेशंस को exhaustively देखता है, grid search कहलाता है. इस अभ्यास में, आप grid search का उपयोग करके MLP classifier के hyperparameters पर खोज करेंगे.
X_train, y_train, X_test, y_test आपके workspace में उपलब्ध हैं, और फीचर्स पहले से standardized हैं. pandas को pd और numpy को np के नाम से भी इम्पोर्ट किया गया है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Machine Learning के साथ CTR प्रेडिक्शन
अभ्यास निर्देश
max_iterके लिए[10, 20]की वैल्यूज़ की सूची औरhidden_layer_sizesके लिए[(8, ), (16, )]की वैल्यूज़ की सूची बनाएँ.- सभी hyperparameter कॉम्बिनेशंस पर इटरेट करने के लिए
n_jobsका उपयोग करके 4 जॉब्स वाली grid search सेट करें. - best AUC score और इस score तक पहुँचाने वाले best estimator को प्रिंट करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Create list of hyperparameters
max_iter = [____, ____]
hidden_layer_sizes = [____, ____]
param_grid = {'max_iter': max_iter, 'hidden_layer_sizes': hidden_layer_sizes}
# Use Grid search CV to find best parameters using 4 jobs
mlp = ____
clf = ____(estimator = mlp, param_grid = ____,
scoring = 'roc_auc', ____ = 4)
clf.fit(X_train, y_train)
print("Best Score: ")
print(clf.____)
print("Best Estimator: ")
print(clf.____)