Menggunakan SGDClassifier

Dalam latihan pemrograman terakhir ini, Anda akan melakukan pencarian hiperparameter atas kekuatan regularisasi dan jenis loss (logistic regression vs. linear SVM) menggunakan SGDClassifier().

Latihan ini merupakan bagian dari kursus

Klasifikator Linear di Python

Lihat Kursus

Instruksi latihan

Instansiasikan sebuah objek SGDClassifier dengan random_state=0.
Lakukan pencarian atas kekuatan regularisasi dan loss hinge vs. log_loss.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# We set random_state=0 for reproducibility 
linear_classifier = ____(random_state=0)

# Instantiate the GridSearchCV object and run the search
parameters = {'alpha':[0.00001, 0.0001, 0.001, 0.01, 0.1, 1], 
             'loss':[____]}
searcher = GridSearchCV(linear_classifier, parameters, cv=10)
searcher.fit(X_train, y_train)

# Report the best parameters and the corresponding score
print("Best CV params", searcher.best_params_)
print("Best CV accuracy", searcher.best_score_)
print("Test accuracy of best grid search hypers:", searcher.score(X_test, y_test))

Edit dan Jalankan Kode