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

연습 문제

RandomizedSearchCV 객체

Scikit Learn의 GridSearchCV와 마찬가지로, RandomizedSearchCV도 무작위 탐색을 효율적으로 수행하는 데 유용한 기능을 많이 제공합니다. 이번에는 GridSearchCV에서 필요한 작은 수정만 적용해 RandomizedSearchCV 객체를 만들어 보겠습니다.

원하는 옵션은 다음과 같습니다:

  • 기본 Gradient Boosting Classifier 추정기 사용
  • 5-겹 교차 검증
  • 모델 평가는 accuracy 사용
  • 병렬 처리를 위해 코어 4개 사용
  • 최적 모델을 다시 학습(refit)하고 학습 점수 반환
  • 무작위로 10개 모델 샘플링

하이퍼파라미터 그리드는 learning_rate(0.1에서 2 사이의 값 150개)와 min_samples_leaf(20에서 64까지의 모든 정수 값)에 대해 설정하세요.

사용 가능한 데이터셋은 X_train과 y_train입니다.

지침

100 XP
  • 위의 컨텍스트에 따라 파라미터 그리드를 만드세요.
  • 위의 컨텍스트에 따라 RandomizedSearchCV 객체를 만드세요.
  • 학습 데이터에 RandomizedSearchCV 객체를 학습(fit)하세요.
  • 모델링 과정에서 선택된 두 하이퍼파라미터 값을 출력하세요.