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

ćwiczenie

Obiekt RandomizedSearchCV

Podobnie jak GridSearchCV z biblioteki Scikit Learn, RandomizedSearchCV oferuje wiele przydatnych funkcji wspierających efektywne przeprowadzanie losowego przeszukiwania. Stworzysz obiekt RandomizedSearchCV, wprowadzając niewielką zmianę względem obiektu GridSearchCV.

Oczekiwane opcje konfiguracyjne:

  • Domyślny estymator Gradient Boosting Classifier
  • 5-krotna walidacja krzyżowa
  • Ocena modeli według metryki dokładności (accuracy)
  • Wykorzystanie 4 rdzeni do przetwarzania równoległego
  • Ponowne dopasowanie najlepszego modelu i zwracanie wyników treningowych
  • Losowe próbkowanie 10 modeli

Siatka hiperparametrów powinna obejmować learning_rate (150 wartości z przedziału od 0,1 do 2) oraz min_samples_leaf (wszystkie wartości całkowite od 20 do 64 włącznie).

Dostępne będą zbiory danych X_train i y_train.

Instrukcje

100 XP
  • Utwórz siatkę parametrów zgodnie z opisem powyżej.
  • Utwórz obiekt RandomizedSearchCV zgodnie z opisem powyżej.
  • Dopasuj obiekt RandomizedSearchCV do danych treningowych.
  • Wyświetl wartości wybrane przez proces modelowania dla obu hiperparametrów.