Iteracyjne dostrajanie wielu hiperparametrów
W tym ćwiczeniu rozbudujesz funkcję, którą wcześniej utworzono – przyjmuje ona 2 hiperparametry, buduje model i zwraca wyniki. Wykorzystasz ją teraz do iterowania po zestawie wartości, a następnie rozszerzysz tę funkcję i pętlę o kolejny hiperparametr.
Funkcja gbm_grid_search(learn_rate, max_depth) jest dostępna w tym ćwiczeniu.
Jeśli chcesz przypomnieć sobie jej treść, uruchom funkcję print_func(), która została przygotowana dla ciebie.
To ćwiczenie jest częścią kursu
Strojenie hiperparametrów w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Create the relevant lists
results_list = ____
learn_rate_list = ____
max_depth_list = ____
# Create the for loop
for learn_rate in ____:
for max_depth in ____:
____.append(gbm_grid_search(____,____))
# Print the results
print(____)