Använda SGDClassifier

I den här avslutande kodövningen utför du en hyperparametersökning över regulariseringsstyrkan och förlustfunktionen (logistisk regression kontra linjär SVM) med hjälp av SGDClassifier().

Den här övningen är en del av kursen

Linjära klassificerare i Python

Visa kurs

Övningsinstruktioner

Skapa en instans av SGDClassifier med random_state=0.
Sök över regulariseringsstyrkan och förlustfunktionerna hinge respektive log_loss.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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))

Redigera och kör kod