1. Lära sig
  2. /
  3. Courses
  4. /
  5. XGBoost로 익히는 Extreme Gradient Boosting

Connected

exercise

XGBoost로 랜덤 서치 수행하기

종종 GridSearchCV는 실행 시간이 매우 오래 걸리기 때문에, 실제로는 이 연습 문제에서처럼 RandomizedSearchCV를 사용하는 편이 좋습니다. 다행히 RandomizedSearchCV를 쓰려면 기존 GridSearchCV 코드에서 몇 가지만 바꾸면 됩니다. 핵심 차이는 param_grid 대신 param_distributions 매개변수를 지정해야 한다는 점입니다.

Instruktioner

100 XP
  • gbm_param_grid라는 이름의 파라미터 그리드를 만드세요. 여기에는 'n_estimators'에 대해 단일 값 25가 들어 있는 리스트와, 'max_depth'에 대해 2부터 11까지의 값 리스트가 들어가야 합니다. 이를 위해 range(2, 12)를 사용하세요.
  • randomized_mse라는 RandomizedSearchCV 객체를 만드세요. 다음을 전달합니다: param_distributions에는 방금 만든 파라미터 그리드, estimator에는 XGBRegressor, scoring에는 "neg_mean_squared_error", n_iter에는 5, cv에는 4. 또한 출력 내용을 더 잘 이해할 수 있도록 verbose=1을 지정하세요.
  • RandomizedSearchCV 객체를 X와 y에 맞춰 학습(fit)하세요.