Rastgele arama

# Call GridSearchCV
grid_search = GridSearchCV(clf, param_grid)

# Fit the model
grid_search.fit(X, y)

Önceki egzersizdeki yukarıdaki kod bloğunda, ilk satırın çok zaman almadığını, ancak .fit() çağrısının birkaç saniye sürdüğünü fark etmiş olabilirsin.

Bunun nedeni, aslında ızgara aramasını yapan kısmın .fit() olması ve bizim örneğimizde birçok farklı kombinasyonun denenmesiydi. Hiperparametre ızgarası büyüdükçe, ızgara araması yavaşlar. Bu sorunu çözmek için, her bir kombinasyonu denemek yerine, ızgara üzerinde rastgele sıçrayarak farklı kombinasyonları deneyebiliriz. En iyi kombinasyonu kaçırma olasılığımız küçük de olsa var, ama çok zaman kazanırız ya da aynı sürede daha fazla hiperparametreyi ayarlayabiliriz.

scikit-learn'de bunu RandomizedSearchCV ile yapabilirsin. GridSearchCV ile aynı API'ye sahiptir; tek fark olarak belirli hiperparametre değerleri yerine örnekleme yapabileceği bir parametre dağılımı belirtmen gerekir. Hadi deneyelim! Parametre dağılımı ve clf adlı bir random forest sınıflandırıcısı senin için hazırlandı.