그리드 서치

이전에 기준 Gradient Boosting 모델을 만들었어요. 이제 목표는 이 Gradient Boosting 모델에 대해 가장 좋은 max_depth 하이퍼파라미터 값을 찾는 것이에요. 이 하이퍼파라미터는 각 개별 트리의 노드 수를 제한합니다. 각 하이퍼파라미터 값에 대해 모델의 로컬 성능을 측정하기 위해 K-겹 교차 검증을 사용할 거예요.

훈련 데이터셋과 모델 파라미터 딕셔너리를 인수로 받아 3-겹 교차 검증의 전체 검증 RMSE 점수를 반환하는 get_cv_score() 함수가 제공됩니다.

이 연습은 강의의 일부입니다

Python으로 Kaggle 대회 공략하기

강의 보기

연습 안내

가능한 max_depth 값의 그리드를 3, 6, 9, 12, 15로 지정하세요.
그리드의 각 하이퍼파라미터 후보를 모델의 params 딕셔너리에 전달하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Possible max depth values
max_depth_grid = [____]
results = {}

# For each value in the grid
for max_depth_candidate in max_depth_grid:
    # Specify parameters for the model
    params = {'max_depth': ____}

    # Calculate validation score for a particular hyperparameter
    validation_score = get_cv_score(train, params)

    # Save the results for each max depth value
    results[max_depth_candidate] = validation_score   
print(results)

코드 편집 및 실행