1. Nauka
    2. /
  2. Kursy
    3. /
  3. Strojenie hiperparametrów w Pythonie
Connected

ćwiczenie

Tworzenie funkcji do przeszukiwania siatki

W pracy z danymi warto budować algorytmy, modele i procesy „od zera" – dzięki temu lepiej rozumiesz, co dzieje się na głębszym poziomie. Oczywiście istnieją świetne pakiety i biblioteki, które to ułatwiają (i wkrótce do nich przejdziemy!), ale samodzielne budowanie od podstaw daje realną przewagę w pracy z danymi.

W tym ćwiczeniu stworzysz funkcję, która przyjmuje 2 hiperparametry, buduje modele i zwraca wyniki. Użyjesz tej funkcji w kolejnym ćwiczeniu.

Dostępne będą zbiory danych: X_train, X_test, y_train oraz y_test.

Instrukcje

100 XP
  • Zbuduj funkcję przyjmującą dwa parametry: learning_rate (współczynnik uczenia) oraz max_depth (maksymalna głębokość).
  • Dodaj do funkcji logikę, która buduje model GBM i dopasowuje go do danych z użyciem podanych hiperparametrów.
  • Spraw, aby funkcja zwracała wyniki działania modelu oraz wybrane hiperparametry (learning_rate i max_depth).