1. 학습
    2. /
  2. 강의
    3. /
  3. Python에서의 하이퍼파라미터 튜닝
Connected

연습 문제

Coarse to Fine 반복

이제 첫 번째 랜덤 서치 결과를 시각화하고, 더 좁은 그리드를 구성한 뒤 결과를 확인해 보세요. 다음 객체를 사용할 수 있어요:

  • results_df - 500번의 실험에서 사용한 하이퍼파라미터 조합과 그에 따른 정확도가 담긴 DataFrame이에요. 이전 연습에서 시각적으로 가장 유의미했던 하이퍼파라미터만 포함되어 있어요(max_depth, learn_rate).
  • visualize_first() - 인자를 받지 않고, 첫 번째 랜덤 서치에서 각 하이퍼파라미터와 정확도의 관계를 시각화해 주는 함수예요.

visualize_first()(또는 visualize_second()) 함수 정의를 보고 싶다면, 아래 코드를 실행하세요:

import inspect
print(inspect.getsource(visualize_first))

지침 1/3

undefined XP
    1
    2
    3
  • visualize_first() 함수를 사용해 성능이 더 좋은 경향을 보이는 max_depth와 learn_rate 값을 확인하세요. 이를 명확히 보여 주는 빨간 선이 함께 표시됩니다.