1. Nauka
    2. /
  2. Kursy
    3. /
  3. Przewidywanie CTR z użyciem uczenia maszynowego w Pythonie
Connected

ćwiczenie

Przeszukiwanie siatki dla MLP

Dostrajanie hiperparametrów można przeprowadzić w sklearn, podając różne wartości parametrów wejściowych – każdy z nich można zdefiniować przy użyciu funkcji z biblioteki numpy. Jedną z metod dostrajania jest przeszukiwanie siatki (grid search), które sprawdza wszystkie kombinacje hiperparametrów podanych w param_grid. W tym ćwiczeniu użyjesz przeszukiwania siatki do optymalizacji hiperparametrów klasyfikatora MLP.

W środowisku pracy dostępne są: X_train, y_train, X_test, y_test – cechy zostały już zestandaryzowane. Dostępne są również pandas jako pd oraz numpy jako np.

Instrukcje

100 XP
  • Utwórz listę wartości [10, 20] dla max_iter oraz listę wartości [(8, ), (16, )] dla hidden_layer_sizes.
  • Skonfiguruj przeszukiwanie siatki z 4 zadaniami, używając n_jobs, aby przejść przez wszystkie kombinacje hiperparametrów.
  • Wyświetl najlepszy wynik AUC oraz najlepszy estymator, który go osiągnął.