Анализ стабильности TPOT
Сейчас вы убедитесь в случайном характере работы TPOT: создайте классификатор с разными значениями случайного состояния и посмотрите, какую модель алгоритм признаёт наилучшей. Это наглядно демонстрирует, что TPOT ведёт себя нестабильно, если запускать его недостаточно долго.
Это упражнение является частью курса
Подбор гиперпараметров в Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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))