1. Nauka
    2. /
  2. Kursy
    3. /
  3. Nadzorowane uczenie maszynowe z scikit-learn
Connected

ćwiczenie

Strojenie hiperparametrów za pomocą GridSearchCV

Wiesz już, jak przeprowadzać strojenie hiperparametrów metodą przeszukiwania siatki. Teraz zbudujesz model regresji lasso z optymalnymi hiperparametrami, aby przewidywać poziom glukozy we krwi na podstawie cech ze zbioru danych diabetes_df.

Obiekty X_train, X_test, y_train i y_test zostały wcześniej wczytane. Obiekt KFold() jest dostępny jako kf, a model regresji lasso — jako lasso.

Instrukcje

100 XP
  • Zaimportuj GridSearchCV.
  • Skonfiguruj siatkę parametrów dla "alpha", używając np.linspace() do utworzenia 20 równomiernie rozłożonych wartości z zakresu od 0.00001 do 1.
  • Wywołaj GridSearchCV(), przekazując lasso, siatkę parametrów oraz ustawiając cv równe kf.
  • Dopasuj obiekt przeszukiwania siatki do danych treningowych, aby przeprowadzić przeszukiwanie siatki z walidacją krzyżową.