SGDClassifier gebruiken

In deze laatste code-oefening doe je een hyperparameterzoektocht over de regularisatie-sterkte en de loss (logistic regression vs. linear SVM) met SGDClassifier().

Deze oefening maakt deel uit van de cursus

Lineaire classificatoren in Python

Cursus bekijken

Oefeninstructies

Maak een SGDClassifier-instantie met random_state=0.
Zoek over de regularisatie-sterkte en de hinge- vs. log_loss-losses.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# We set random_state=0 for reproducibility 
linear_classifier = ____(random_state=0)

# Instantiate the GridSearchCV object and run the search
parameters = {'alpha':[0.00001, 0.0001, 0.001, 0.01, 0.1, 1], 
             'loss':[____]}
searcher = GridSearchCV(linear_classifier, parameters, cv=10)
searcher.fit(X_train, y_train)

# Report the best parameters and the corresponding score
print("Best CV params", searcher.best_params_)
print("Best CV accuracy", searcher.best_score_)
print("Test accuracy of best grid search hypers:", searcher.score(X_test, y_test))

Code bewerken en uitvoeren