1. 학습
    2. /
  2. 강의
    3. /
  3. Python으로 Machine Learning을 활용한 CTR 예측
Connected

연습 문제

MLP 그리드 서치

하이퍼파라미터 튜닝은 sklearn에서 다양한 입력 파라미터를 제공하여 수행할 수 있으며, 각각은 numpy의 여러 함수를 사용해 인코딩할 수 있어요. param_grid로 지정한 모든 하이퍼파라미터 조합을 샅샅이 탐색하는 방법이 그리드 서치예요. 이 연습 문제에서는 그리드 서치를 사용해 MLP 분류기의 하이퍼파라미터를 탐색해 보겠습니다.

X_train, y_train, X_test, y_test는 작업 공간에 준비되어 있으며, 특성은 이미 표준화되어 있어요. 또한 pandas는 pd, numpy는 np로 작업 공간에 로드되어 있어요.

지침

100 XP
  • max_iter에 대해 값 목록 [10, 20]을, hidden_layer_sizes에 대해 값 목록 [(8, ), (16, )]을 만드세요.
  • n_jobs를 사용해 작업 수를 4로 설정하고, 모든 하이퍼파라미터 조합을 반복 탐색하는 그리드 서치를 구성하세요.
  • 가장 높은 AUC 점수와, 이 점수를 만든 최적 추정기를 출력하세요.