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

ćwiczenie

Budowanie krzywych uczenia

Kiedy chcemy przetestować wiele różnych wartości jednego hiperparametru, trudno jest je wygodnie przeanalizować w formie ramki danych. Wcześniej poznałeś(-aś) pewną przydatną technikę. Wykres zwany krzywą uczenia pozwala w przejrzysty sposób zilustrować, jak zwiększanie lub zmniejszanie danego hiperparametru wpływa na końcowy wynik.

Zamiast testować tylko kilka wartości współczynnika uczenia, sprawdzisz ich wiele, aby łatwo zobaczyć wpływ tego hiperparametru na szerokim zakresie wartości. Przydatna funkcja z biblioteki NumPy to np.linspace(start, end, num) – pozwala ona wygenerować określoną liczbę wartości (num) równomiernie rozmieszczonych w zadanym przedziale (start, end).

Do dyspozycji masz zbiory danych: X_train, X_test, y_train i y_test.

Instrukcje

100 XP
  • Utwórz listę 30 wartości współczynnika uczenia równomiernie rozłożonych w przedziale od 0,01 do 2.
  • Napisz pętlę podobną do tej z poprzedniego ćwiczenia, ale tym razem zapisuj tylko wartości dokładności do listy.
  • Narysuj wykres zależności dokładności od wartości współczynnika uczenia.