Menyetel gamma dan C secara bersamaan dengan GridSearchCV
Pada latihan sebelumnya, nilai gamma terbaik adalah 0,001 dengan nilai default C, yaitu 1. Pada latihan ini, Anda akan mencari kombinasi C dan gamma terbaik menggunakan GridSearchCV.
Seperti pada latihan sebelumnya, himpunan data digit 2-lawan-bukan-2 sudah dimuat, namun kali ini telah dibagi ke dalam variabel X_train, y_train, X_test, dan y_test. Meskipun cross-validation sudah membagi himpunan latih menjadi beberapa bagian, sering kali ada baiknya menahan satu himpunan uji terpisah untuk memastikan hasil cross-validation masuk akal.
Latihan ini adalah bagian dari kursus
Klasifikator Linear di Python
Petunjuk latihan
- Jalankan
GridSearchCVuntuk menemukan hiperparameter terbaik menggunakan himpunan latih. - Cetak nilai parameter terbaik.
- Cetak akurasi pada himpunan uji, yang tidak digunakan selama prosedur cross-validation.
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# Instantiate an RBF SVM
svm = SVC()
# Instantiate the GridSearchCV object and run the search
parameters = {'C':[0.1, 1, 10], 'gamma':[0.00001, 0.0001, 0.001, 0.01, 0.1]}
searcher = GridSearchCV(svm, ____)
____.fit(____)
# Report the best parameters and the corresponding score
print("Best CV params", searcher.best_params_)
print("Best CV accuracy", searcher.best_score_)
# Report the test accuracy using these best parameters
print("Test accuracy of best grid search hypers:", searcher.score(____))