Ottimizza iterativamente più iperparametri
In questo esercizio, ripartirai dalla funzione che hai creato in precedenza per ricevere 2 iperparametri, costruire un modello e restituire i risultati. Ora la userai per iterare su alcuni valori e poi estenderai questa funzione e il ciclo con un altro iperparametro.
La funzione gbm_grid_search(learn_rate, max_depth) è disponibile in questo esercizio.
Se hai bisogno di ricordare com’è fatta la funzione, puoi eseguire print_func() che è stato creato per te.
Questo esercizio fa parte del corso
Ottimizzazione degli iperparametri in Python
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Create the relevant lists
results_list = ____
learn_rate_list = ____
max_depth_list = ____
# Create the for loop
for learn_rate in ____:
for max_depth in ____:
____.append(gbm_grid_search(____,____))
# Print the results
print(____)