Izgara araması

Önceki derste bir başlangıç Gradient Boosting modeli oluşturduğumuzu hatırla. Şimdi hedefin, bu Gradient Boosting modeli için en iyi max_depth hiperparametre değerini bulmak. Bu hiperparametre, her bir ağacın sahip olabileceği düğüm sayısını sınırlar. Her hiperparametre değeri için modelin yerel performansını ölçmek üzere K-katlı çapraz doğrulamayı kullanacaksın.

Sana, eğitim veri kümesini ve model parametrelerinin sözlüğünü argüman olarak alan ve 3 katlı çapraz doğrulama üzerinden genel doğrulama RMSE skorunu döndüren get_cv_score() fonksiyonu verildi.

Bu egzersiz, kursun bir parçasıdır

Python ile Bir Kaggle Yarışmasını Kazanmak

Kursa Göz Atın

Egzersiz talimatları

Olası max_depth değerleri için 3, 6, 9, 12 ve 15 içeren ızgarayı belirt.
Izgaradaki her hiperparametre adayını modelin params sözlüğüne geçir.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Possible max depth values
max_depth_grid = [____]
results = {}

# For each value in the grid
for max_depth_candidate in max_depth_grid:
    # Specify parameters for the model
    params = {'max_depth': ____}

    # Calculate validation score for a particular hyperparameter
    validation_score = get_cv_score(train, params)

    # Save the results for each max depth value
    results[max_depth_candidate] = validation_score   
print(results)

Kodu Düzenle ve Çalıştır