Analysera TPOT:s stabilitet
Nu får du se den slumpmässiga karaktären hos TPOT genom att skapa klassificeraren med olika slumptillstånd och se vilken modell algoritmen bedömer som bäst. Det här hjälper dig att förstå att TPOT är ganska instabilt när det inte körs tillräckligt länge.
Den här övningen är en del av kursen
Hyperparameterjustering i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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))