De stabiliteit van TPOT analyseren
Je gaat nu de willekeurige aard van TPOT zien door de classifier met verschillende random states te bouwen en te kijken welk model door het algoritme als beste wordt gevonden. Dit laat zien dat TPOT best instabiel is als je het niet lang genoeg laat draaien.
Deze oefening maakt deel uit van de cursus
Hyperparameter Tuning in Python
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
# Create the tpot classifier
tpot_clf = TPOTClassifier(generations=2, population_size=4, offspring_size=3, scoring='accuracy', cv=2,
verbosity=2, random_state=____)
# Fit the classifier to the training data
tpot_clf.fit(X_train, y_train)
# Score on the test set
print(tpot_clf.score(X_test, y_test))