BaşlayınÜcretsiz Başlayın

TPOT ile Genetik Hiperparametre Ayarlama

Basit bir genetik hiperparametre ayarlama örneği yapacaksın. TPOT, pek çok özelliği olan çok güçlü bir kütüphanedir. Bu derste sadece yüzeyine dokunuyorsun; boş zamanlarında keşfetmeni özellikle öneririz.

Bu çok küçük bir örnek. Gerçek hayatta, TPOT en iyi modeli bulmak için saatlerce çalışacak şekilde tasarlanmıştır. İyi bir model bulmak için çok daha büyük bir popülasyon ve yavru boyutu ile yüzlerce nesil kullanırsın.

Bir tahminci oluşturacak, bu tahminciyi eğitim verisine oturtacak ve ardından test verisi üzerinde puanlayacaksın.

Bu örnek için şunları kullanmak istiyoruz:

  • 3 nesil
  • popülasyon boyutunda 4
  • her nesilde 3 yavru
  • puanlama için accuracy

Sonuçların tutarlılığı için random_state 2 olarak ayarlandı.

Bu egzersiz

Python'da Hiperparametre Ayarlama

kursunun bir parçasıdır
Kursu Görüntüle

Egzersiz talimatları

  • Bağlamda belirtilen değerleri tpot_clf için girdilere ata.
  • Doğru girdilerle tpot_clf sınıflandırıcısını oluştur.
  • Sınıflandırıcıyı eğitim verisine oturt (X_train ve y_train çalışma alanında mevcut).
  • Eğitilmiş sınıflandırıcıyı test kümesi üzerinde puanlamak için kullan (X_test ve y_test çalışma alanında mevcut).

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Assign the values outlined to the inputs
number_generations = ____
population_size = ____
offspring_size = ____
scoring_function = ____

# Create the tpot classifier
tpot_clf = TPOTClassifier(generations=____, population_size=____,
                          offspring_size=____, scoring=____,
                          verbosity=2, random_state=2, cv=2)

# Fit the classifier to the training data
____.____(____, ____)

# Score on the test set
print(____.____(____, ____))
Kodu Düzenle ve Çalıştır