Uso di SGDClassifier
In questo ultimo esercizio di coding, effettuerai una ricerca sugli iperparametri tra l'intensità della regolarizzazione e la funzione di loss (regressione logistica vs. SVM lineare) usando SGDClassifier().
Questo esercizio fa parte del corso
Classificatori lineari in Python
Istruzioni dell'esercizio
- Istanzia un
SGDClassifierconrandom_state=0. - Esegui una ricerca sull'intensità della regolarizzazione e sulle funzioni di loss
hingevs.log_loss.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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))