1. Nauka
    2. /
  2. Kursy
    3. /
  3. Extreme Gradient Boosting with XGBoost
Connected

ćwiczenie

Przeszukiwanie losowe z XGBoost

GridSearchCV potrafi być bardzo czasochłonne, dlatego w praktyce warto sięgnąć po RandomizedSearchCV — właśnie to zrobisz w tym ćwiczeniu. Dobra wiadomość: wystarczy tylko kilka drobnych zmian w kodzie GridSearchCV, żeby przejść na RandomizedSearchCV. Kluczowa różnica polega na tym, że zamiast parametru param_grid należy użyć parametru param_distributions.

Instrukcje

100 XP
  • Utwórz siatkę parametrów o nazwie gbm_param_grid, która zawiera listę z jedną wartością dla 'n_estimators' (25) oraz listę wartości 'max_depth' z zakresu od 2 do 11 – użyj do tego range(2, 12).
  • Utwórz obiekt RandomizedSearchCV o nazwie randomized_mse, przekazując: siatkę parametrów do param_distributions, XGBRegressor do estimator, "neg_mean_squared_error" do scoring, 5 do n_iter oraz 4 do cv. Ustaw też verbose=1, żeby lepiej śledzić wyniki.
  • Dopasuj obiekt RandomizedSearchCV do X i y.