ComeçarComece de graça

Ajuste Genético de Hiperparâmetros com TPOT

Você vai fazer um exemplo simples de ajuste genético de hiperparâmetros. O TPOT é uma biblioteca muito poderosa, com muitos recursos. Nesta lição, você está apenas arranhando a superfície, mas é altamente recomendado explorar por conta própria depois.

Este é um exemplo bem pequeno. Na prática, o TPOT foi projetado para rodar por muitas horas para encontrar o melhor modelo. Você teria uma população e um número de descendentes muito maiores, além de centenas de gerações para chegar a um bom modelo.

Você vai criar o estimador, ajustá-lo aos dados de treino e depois avaliar no conjunto de teste.

Para este exemplo, queremos usar:

  • 3 gerações
  • 4 no tamanho da população
  • 3 descendentes em cada geração
  • accuracy para a métrica de avaliação

Um random_state igual a 2 foi definido para garantir consistência nos resultados.

Este exercício faz parte do curso

Ajuste de Hiperparâmetros em Python

Ver curso

Instruções do exercício

  • Atribua aos parâmetros de tpot_clf os valores descritos no contexto.
  • Crie o classificador tpot_clf com os parâmetros corretos.
  • Ajuste o classificador aos dados de treino (X_train e y_train estão disponíveis no seu workspace).
  • Use o classificador ajustado para avaliar no conjunto de teste (X_test e y_test estão disponíveis no seu workspace).

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Assign the values outlined to the inputs
number_generations = ____
population_size = ____
offspring_size = ____
scoring_function = ____

# Create the tpot classifier
tpot_clf = TPOTClassifier(generations=____, population_size=____,
                          offspring_size=____, scoring=____,
                          verbosity=2, random_state=2, cv=2)

# Fit the classifier to the training data
____.____(____, ____)

# Score on the test set
print(____.____(____, ____))
Editar e executar o código