ПочатиПочніть безкоштовно

Аналіз стабільності TPOT

Тепер ви побачите випадкову природу TPOT: створіть класифікатор з різними значеннями random_state і подивіться, яку модель алгоритм визнає найкращою. Це допоможе переконатися, що TPOT доволі нестабільний, якщо не запускати його достатньо довго.

Ця вправа є частиною курсу

Тюнінг гіперпараметрів у Python

Переглянути курс

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Create the tpot classifier 
tpot_clf = TPOTClassifier(generations=2, population_size=4, offspring_size=3, scoring='accuracy', cv=2,
                          verbosity=2, random_state=____)

# Fit the classifier to the training data
tpot_clf.fit(X_train, y_train)

# Score on the test set
print(tpot_clf.score(X_test, y_test))
Редагувати та запускати код