Analisando a estabilidade do TPOT
Agora você vai observar a natureza aleatória do TPOT, construindo o classificador com diferentes random states e vendo qual modelo o algoritmo considera o melhor. Isso ajuda a perceber que o TPOT pode ser bastante instável quando não é executado por um período de tempo razoável.
Este exercício faz parte do curso
Ajuste de Hiperparâmetros em Python
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Create the tpot classifier
tpot_clf = TPOTClassifier(generations=2, population_size=4, offspring_size=3, scoring='accuracy', cv=2,
verbosity=2, random_state=____)
# Fit the classifier to the training data
tpot_clf.fit(X_train, y_train)
# Score on the test set
print(tpot_clf.score(X_test, y_test))