Grid Search och Random Search sida vid sida
Genom att visualisera sökrymden för random search och grid search tillsammans får du en tydlig bild av hur väl varje metod täcker hyperparameterrymden – och därmed vilka fördelar och nackdelar de har.
I den här övningen samplar du hyperparameterkombinationer med både grid search och random search, och plottar sedan resultaten för att se skillnaden.
Du har tillgång till:
combinations_list– en lista med kombinationer avlearn_rateochmin_samples_leafför den här algoritmen- Funktionen
visualize_search()– som omvandlar dina hyperparameterkombinationer till X- och Y-koordinater och plottar både grid search- och random search-kombinationer i samma graf. Den tar två listor med hyperparameterkombinationer som indata.
Om du vill se definitionen av visualize_search() kan du köra den här koden:
import inspect
print(inspect.getsource(visualize_search))
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.
# Sample grid coordinates
grid_combinations_chosen = ____[0:____]
# Print result
print(____)