Usando SGDClassifier

Neste último exercício de código, você vai fazer uma busca de hiperparâmetros sobre a intensidade da regularização e a função de perda (regressão logística vs. SVM linear) usando SGDClassifier().

Este exercício faz parte do curso

Classificadores Lineares em Python

Ver curso

Instruções do exercício

Instancie um SGDClassifier com random_state=0.
Faça uma busca variando a intensidade da regularização e as perdas hinge vs. log_loss.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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))

Editar e executar o código