시작하기무료로 시작하기

TPOT로 유전 알고리즘 하이퍼파라미터 튜닝

간단한 유전 알고리즘 기반 하이퍼파라미터 튜닝 예제를 진행해 보겠습니다. TPOT은 매우 강력하고 다양한 기능을 제공하는 라이브러리예요. 이번 레슨에서는 겉핥기 수준만 다루지만, 시간을 내어 추가로 탐색해 보시길 권장합니다.

이번 예제는 아주 작은 규모예요. 실제로는 TPOT을 여러 시간 동안 실행하여 최적의 모델을 찾도록 설계합니다. 더 큰 개체군(population)과 더 많은 자손 수를 설정하고, 수백 세대에 걸쳐 좋은 모델을 탐색하곤 해요.

이제 추정기를 생성하고, 학습 데이터에 적합(fit)한 뒤 테스트 데이터로 점수를 계산해 보겠습니다.

이번 예제에서는 다음 값을 사용합니다:

  • 3 세대(generations)
  • 개체군 크기 4
  • 각 세대의 자손 3
  • 평가 지표는 accuracy

결과의 일관성을 위해 random_state는 2로 설정되어 있습니다.

이 연습은 강의의 일부입니다

Python에서의 하이퍼파라미터 튜닝

강의 보기

연습 안내

  • 컨텍스트에 제시된 값을 tpot_clf의 입력 인자로 지정하세요.
  • 올바른 입력으로 tpot_clf 분류기를 생성하세요.
  • 학습 데이터에 분류기를 적합하세요(X_train과 y_train은 작업 공간에 있어요).
  • 적합된 분류기를 사용해 테스트 셋에서 점수를 계산하세요(X_test와 y_test는 작업 공간에 있어요).

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Assign the values outlined to the inputs
number_generations = ____
population_size = ____
offspring_size = ____
scoring_function = ____

# Create the tpot classifier
tpot_clf = TPOTClassifier(generations=____, population_size=____,
                          offspring_size=____, scoring=____,
                          verbosity=2, random_state=2, cv=2)

# Fit the classifier to the training data
____.____(____, ____)

# Score on the test set
print(____.____(____, ____))
코드 편집 및 실행