GridSearchCV 준비 운동
영상에서 RBF 커널 하이퍼파라미터 gamma를 키우면 학습 정확도가 올라간다는 것을 확인했죠. 이 연습에서는 scikit-learn의 GridSearchCV를 사용해 교차 검증 정확도를 최대화하는 gamma 값을 찾아보겠습니다. 손글씨 숫자 데이터셋의 이진 분류 버전(이미지가 "2"인지 아닌지만 예측)이 이미 X와 y 변수에 로드되어 있습니다.
이 연습은 강의의 일부입니다
Python으로 배우는 선형 분류기
연습 안내
GridSearchCV객체를 생성하세요.- 교차 검증 정확도를 기준으로 최적의
gamma값을 선택하도록fit()메서드를 호출하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Instantiate an RBF SVM
svm = SVC()
# Instantiate the GridSearchCV object and run the search
parameters = {'gamma':[0.00001, 0.0001, 0.001, 0.01, 0.1]}
searcher = GridSearchCV(svm, ____)
____.fit(____)
# Report the best parameters
print("Best CV params", searcher.best_params_)