GridSearchCV ısınma turu
Videoda, RBF çekirdek hiperparametresi gamma arttıkça eğitim doğruluğunun yükseldiğini gördük. Bu egzersizde scikit-learn'in GridSearchCV aracını kullanarak çapraz doğrulama doğruluğunu en çok artıran gamma değerini arayacağız. El yazısı rakamlar veri kümesinin ikili (binary) bir sürümü — burada sadece bir görüntünün "2" olup olmadığını tahmin etmeye çalışıyorsun — X ve y değişkenlerine zaten yüklenmiş durumda.
Bu egzersiz
Python'da Lineer Sınıflandırıcılar
kursunun bir parçasıdırEgzersiz talimatları
- Bir
GridSearchCVnesnesi oluştur. - Çapraz doğrulama doğruluğuna göre en iyi
gammadeğerini seçmek içinfit()metodunu çağır.
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# Instantiate an RBF SVM
svm = SVC()
# Instantiate the GridSearchCV object and run the search
parameters = {'gamma':[0.00001, 0.0001, 0.001, 0.01, 0.1]}
searcher = GridSearchCV(svm, ____)
____.fit(____)
# Report the best parameters
print("Best CV params", searcher.best_params_)