Używanie SGDClassifier

W tym ostatnim ćwiczeniu programistycznym przeprowadzisz przeszukiwanie hiperparametrów pod kątem siły regularyzacji oraz funkcji straty (regresja logistyczna vs. liniowa SVM) przy użyciu SGDClassifier().

To ćwiczenie jest częścią kursu

Liniowe klasyfikatory w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Utwórz instancję SGDClassifier z parametrem random_state=0.
Przeszukaj przestrzeń siły regularyzacji oraz funkcji strat hinge i log_loss.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# We set random_state=0 for reproducibility 
linear_classifier = ____(random_state=0)

# Instantiate the GridSearchCV object and run the search
parameters = {'alpha':[0.00001, 0.0001, 0.001, 0.01, 0.1, 1], 
             'loss':[____]}
searcher = GridSearchCV(linear_classifier, parameters, cv=10)
searcher.fit(X_train, y_train)

# Report the best parameters and the corresponding score
print("Best CV params", searcher.best_params_)
print("Best CV accuracy", searcher.best_score_)
print("Test accuracy of best grid search hypers:", searcher.score(X_test, y_test))

Edytuj i uruchom kod