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
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in 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))