เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

เปรียบเทียบ Grid Search และ Random Search แบบเคียงข้างกัน

การแสดงพื้นที่การค้นหาของ Random Search และ Grid Search ไว้ด้วยกัน ช่วยให้เห็นภาพได้ชัดเจนว่าแต่ละวิธีครอบคลุมพื้นที่ไฮเปอร์พารามิเตอร์ได้กว้างแค่ไหน และทำให้เข้าใจข้อดีข้อเสียของแต่ละแนวทางได้อย่างเป็นรูปธรรม

ในแบบฝึกหัดนี้ จะสุ่มตัวอย่างชุดค่าไฮเปอร์พารามิเตอร์ทั้งแบบ Grid Search และ Random Search แล้วนำมาพล็อตกราฟเพื่อดูความแตกต่าง

ตัวแปรและฟังก์ชันที่เตรียมไว้ให้:

  • combinations_list — รายการชุดค่าผสมของ learn_rate และ min_samples_leaf สำหรับอัลกอริทึมนี้
  • ฟังก์ชัน visualize_search() — แปลงชุดค่าไฮเปอร์พารามิเตอร์เป็นพิกัด X และ Y แล้วพล็อตชุดค่าผสมของ Grid Search และ Random Search บนกราฟเดียวกัน โดยรับอาร์กิวเมนต์เป็นรายการชุดค่าไฮเปอร์พารามิเตอร์ 2 รายการ

หากต้องการดูโค้ดของฟังก์ชัน visualize_search() สามารถรันโค้ดต่อไปนี้:

import inspect
print(inspect.getsource(visualize_search))

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การปรับ Hyperparameter ใน Python

ดูคอร์ส

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Sample grid coordinates
grid_combinations_chosen = ____[0:____]

# Print result
print(____)
แก้ไขและรันโค้ด