MulaiMulai sekarang secara gratis

Sampelkan Hyperparameter Secara Acak

Untuk melakukan random search, pertama-tama kita perlu mengambil sampel secara acak dari ruang hyperparameter kita.

Dalam latihan ini, Anda terlebih dahulu akan membuat beberapa daftar hyperparameter yang dapat digabungkan menjadi sebuah list of lists. Lalu Anda akan secara acak mengambil sampel kombinasi hyperparameter sebagai persiapan menjalankan random search.

Anda hanya akan menggunakan hyperparameter learning_rate dan min_samples_leaf dari algoritma GBM agar contoh tetap ilustratif dan tidak terlalu rumit.

Latihan ini adalah bagian dari kursus

Penyetelan Hyperparameter di Python

Lihat Kursus

Petunjuk latihan

  • Buat daftar berisi 200 nilai untuk hyperparameter learning_rate antara 0,01 dan 1,5 lalu simpan ke daftar learn_rate_list.
  • Buat daftar nilai antara 10 hingga 40 (inklusif) untuk hyperparameter min_samples_leaf lalu simpan ke daftar min_samples_list.
  • Gabungkan kedua daftar ini menjadi sebuah list of lists yang akan diambil sampelnya.
  • Secara acak sampelkan 250 model dari kombinasi hyperparameter ini dan cetak hasilnya.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Create a list of values for the learning_rate hyperparameter
learn_rate_list = list(np.____(____,____,____))

# Create a list of values for the min_samples_leaf hyperparameter
min_samples_list = list(____(____,____))

# Combination list
combinations_list = [list(x) for x in ____(____, min_samples_list)]

# Sample hyperparameter combinations for a random search.
random_combinations_index = np.____(range(0, len(____)), ____, replace=False)
combinations_random_chosen = [combinations_list[x] for x in ____]

# Print the result
print(____)
Edit dan Jalankan Kode