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

연습 문제

GridSearchCV를 활용한 하이퍼파라미터 튜닝

그리드 서치(Grid Search)를 이용한 하이퍼파라미터 튜닝 방법을 배웠으니, 이제 최적의 하이퍼파라미터로 라쏘(Lasso) 회귀 모델을 구축해 보겠습니다. diabetes_df 데이터셋의 특성을 사용해 혈당 수치를 예측하는 것이 목표입니다.

X_train, X_test, y_train, y_test는 미리 로드되어 있습니다. KFold() 객체는 kf로, 라쏘 회귀 모델은 lasso로 저장되어 있습니다.

지침

100 XP
  • GridSearchCV를 임포트하세요.
  • "alpha"를 사용해 np.linspace()부터 0.00001까지 균등하게 분할된 20개의 값으로 1에 대한 파라미터 그리드를 설정하세요.
  • GridSearchCV()와 파라미터 그리드를 전달하고 lasso를 cv로 설정하여 kf를 호출하세요.
  • 교차 검증 기반의 그리드 서치를 수행하기 위해 그리드 서치 객체를 학습 데이터에 학습시키세요.