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

ćwiczenie

RandomSearchCV w Scikit Learn

Przećwicz tworzenie obiektu RandomizedSearchCV przy użyciu Scikit Learn.

Siatka hiperparametrów powinna obejmować max_depth (wszystkie wartości od 5 do 25 włącznie) oraz max_features ('auto' i 'sqrt').

Obiekt RandomizedSearchCV skonfiguruj z następującymi opcjami:

  • Estymator RandomForestClassifier z n_estimators równym 80.
  • 3-krotna walidacja krzyżowa (cv)
  • Użyj roc_auc do oceny modeli
  • Użyj 4 rdzeni do przetwarzania równoległego (n_jobs)
  • Upewnij się, że najlepszy model zostanie ponownie dopasowany, a wyniki trenowania zwrócone
  • Próbkuj tylko 5 modeli dla zwiększenia wydajności (n_iter)

Zbiory danych X_train i y_train są już wczytane.

Pamiętaj: wybrane hiperparametry znajdziesz w cv_results_ – każdy hiperparametr ma osobną kolumnę. Na przykład kolumna dla hiperparametru criterion nosi nazwę param_criterion.

Instrukcje

100 XP
  • Utwórz siatkę hiperparametrów zgodnie ze specyfikacją podaną powyżej.
  • Utwórz obiekt RandomizedSearchCV zgodnie z opisem powyżej.
  • Dopasuj obiekt RandomizedSearchCV do danych treningowych.
  • Odwołaj się do obiektu cv_results_, aby wyświetlić wartości wybrane przez proces modelowania dla obu hiperparametrów (max_depth i max_features).