GridSearchCV のウォームアップ
動画では、RBF カーネルのハイパーパラメータ gamma を大きくすると学習精度が上がることを確認しました。この演習では、scikit-learn の GridSearchCV を使って、交差検証の精度を最大化する gamma を探索します。手書き数字データセットの二値分類版（画像が「2」かどうかを予測）が、すでに X と y に読み込まれています。
この演習はコースの一部です
Python で学ぶ線形分類器
演習の手順
GridSearchCVオブジェクトを作成します。- 交差検証の精度に基づいて最適な
gammaを選ぶために、fit()メソッドを呼び出します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Instantiate an RBF SVM
svm = SVC()
# Instantiate the GridSearchCV object and run the search
parameters = {'gamma':[0.00001, 0.0001, 0.001, 0.01, 0.1]}
searcher = GridSearchCV(svm, ____)
____.fit(____)
# Report the best parameters
print("Best CV params", searcher.best_params_)