Использование SGDClassifier

В этом заключительном упражнении вы выполните поиск гиперпараметров по силе регуляризации и функции потерь (логистическая регрессия против линейного SVM) с помощью SGDClassifier().

Это упражнение является частью курса

Линейные классификаторы в Python

Посмотреть курс

Инструкции к упражнению

Создайте экземпляр SGDClassifier с параметром random_state=0.
Выполните поиск по силе регуляризации и функциям потерь hinge и log_loss.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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))

Редактировать и запускать код