始める無料で始める

ハイパーパラメータを変えてみる

MLP 分類器で調整できる主要なハイパーパラメータとして、学習の反復回数と隠れ層のユニット数（サイズ）の2つがあります。この演習では、それぞれを個別に変更し、正解率（accuracy）や ROC 曲線の AUC がどのように変化するかを確認します。

X_train、y_train、X_test、y_test はワークスペースで利用可能です。特徴量はすでに StandardScaler() で標準化されています。pandas は pd、numpy は np としてインポート済みです。

この演習はコースの一部です

PythonでMachine Learningを使ってCTRを予測する

コースを見る

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。

# Loop over various max_iter configurations
max_iter_list = [10, 20, 30]
for max_iter in ____:
	clf = MLPClassifier(hidden_layer_sizes = (4, ), 
                        ____ = max_iter, random_state = 0)
   	# Extract relevant predictions
	y_score = clf.fit(____, ____).____(X_test)
	y_pred = clf.fit(____, ____).____(X_test)

	# Get ROC curve metrics
	print("Accuracy for max_iter = %s: %s" %(
      max_iter, _____(y_test, ____)))
	print("AUC for max_iter = %s: %s" %(
      max_iter, ____(y_test, ____[:, 1])))
コードを編集して実行