ÎncepețiÎncepe gratuit

Ajustarea hiperparametrilor cu GridSearchCV

Acum că ai văzut cum se realizează ajustarea hiperparametrilor prin căutare în grilă, vei construi un model de regresie lasso cu hiperparametri optimi pentru a prezice nivelul glicemiei folosind atributele din setul de date diabetes_df.

X_train, X_test, y_train și y_test au fost preîncărcate. Un obiect KFold() a fost creat și stocat ca kf, împreună cu un model de regresie lasso stocat ca lasso.

Acest exercițiu face parte din cursul

Învățare supravegheată cu scikit-learn

Vezi cursul

Instrucțiuni pentru exercițiu

  • Importă GridSearchCV.
  • Configurează o grilă de parametri pentru "alpha", folosind np.linspace() pentru a genera 20 de valori uniform distribuite între 0.00001 și 1.
  • Apelează GridSearchCV(), transmițând lasso, grila de parametri și setând cv egal cu kf.
  • Antrenează obiectul de căutare în grilă pe datele de antrenament pentru a efectua o căutare în grilă cu validare încrucișată.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Import GridSearchCV
____

# Set up the parameter grid
param_grid = {"____": np.linspace(____, ____, ____)}

# Instantiate lasso_cv
lasso_cv = ____(____, ____, cv=____)

# Fit to the training data
____
print("Tuned lasso paramaters: {}".format(lasso_cv.best_params_))
print("Tuned lasso score: {}".format(lasso_cv.best_score_))
Editează și rulează codul