Analizzare la stabilità di TPOT
Ora vedrai la natura aleatoria di TPOT costruendo il classificatore con diversi random state e osservando quale modello l’algoritmo considera migliore. Questo aiuta a capire che TPOT è piuttosto instabile se non lo si lascia girare per un tempo ragionevole.
Questo esercizio fa parte del corso
Ottimizzazione degli iperparametri in Python
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Create the tpot classifier
tpot_clf = TPOTClassifier(generations=2, population_size=4, offspring_size=3, scoring='accuracy', cv=2,
verbosity=2, random_state=____)
# Fit the classifier to the training data
tpot_clf.fit(X_train, y_train)
# Score on the test set
print(tpot_clf.score(X_test, y_test))