1. 学ぶ
    2. /
  2. コース
    3. /
  3. PythonでMachine Learningを使ってCTRを予測する
Connected

演習

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。

指示1 / 2

undefined XP
  • 1
    • それぞれの max_iter 構成について MLP 分類器を作成します。
    • y_score に対して roc_auc_score() を用いて accuracy と AUC を計算します。
  • 2
    • 4、8、16 ユニットの MLP 分類器を 3 つ作成します（(4, )、(8, ) などを使用）。
    • それぞれについて ROC の accuracy と AUC を算出します。