1. 学习
    2. /
  2. 课程
    3. /
  3. Python으로 Machine Learning을 활용한 CTR 예측
Connected

练习

하이퍼파라미터 바꿔 보기

MLP 분류기에서 조정할 수 있는 대표적인 하이퍼파라미터로는 학습 반복 횟수와 은닉층 크기가 있습니다. 이 연습 문제에서는 이 두 가지를 각각 바꿔 보면서, 정확도와 ROC 곡선의 AUC 관점에서 성능이 어떻게 달라지는지 살펴보겠습니다.

X_train, y_train, X_test, y_test가 워크스페이스에 준비되어 있습니다. 특성은 이미 StandardScaler()로 표준화되어 있습니다. 또한 pandas는 pd, numpy는 np로 임포트되어 있습니다.

说明 1 / 共 2 个

undefined XP
  • 1
    • 각 max_iter 설정에 대해 MLP 분류기를 생성하세요.
    • roc_auc_score()를 사용해 y_score로부터 정확도와 AUC를 계산하세요.
  • 2
    • 4, 8, 16 유닛을 갖는 3개의 MLP 분류기를 만드세요((4, ), (8, ) 등 사용).
    • 각 모델에 대해 ROC의 정확도와 AUC를 계산하세요.