1. 학습
    2. /
  2. 강의
    3. /
  3. scikit-learn으로 배우는 Supervised Learning
Connected

연습 문제

GridSearchCV로 하이퍼파라미터 튜닝

이제 그리드 서치를 사용한 하이퍼파라미터 튜닝 방법을 보셨으니, diabetes_df 데이터셋의 피처를 사용해 혈당 수치를 예측하는 최적 하이퍼파라미터의 라쏘 회귀 모델을 만들어 보겠습니다.

X_train, X_test, y_train, y_test는 미리 로드되어 있습니다. 또한 KFold() 객체가 kf로 저장되어 있고, 라쏘 회귀 모델은 lasso로 제공됩니다.

지침

100 XP
  • GridSearchCV를 import하세요.
  • np.linspace()를 사용해 0.00001부터 1까지 균등 간격의 값 20개를 만들어 "alpha"에 대한 파라미터 그리드를 설정하세요.
  • GridSearchCV()를 호출하면서 lasso, 파라미터 그리드, 그리고 cv를 kf로 지정해 전달하세요.
  • 교차 검증이 적용된 그리드 서치를 수행하도록 그리드 서치 객체를 학습용 데이터에 fit하세요.