Використання SGDClassifier

У цій підсумковій практичній вправі ви виконаєте пошук гіперпараметрів за силою регуляризації та типом втрат (логістична регресія проти лінійного SVM) за допомогою SGDClassifier().

Ця вправа є частиною курсу

Лінійні класифікатори в Python

Переглянути курс

Інструкції до вправи

Створіть екземпляр SGDClassifier з random_state=0.
Виконайте пошук за силою регуляризації та між втратами hinge і log_loss.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# We set random_state=0 for reproducibility 
linear_classifier = ____(random_state=0)

# Instantiate the GridSearchCV object and run the search
parameters = {'alpha':[0.00001, 0.0001, 0.001, 0.01, 0.1, 1], 
             'loss':[____]}
searcher = GridSearchCV(linear_classifier, parameters, cv=10)
searcher.fit(X_train, y_train)

# Report the best parameters and the corresponding score
print("Best CV params", searcher.best_params_)
print("Best CV accuracy", searcher.best_score_)
print("Test accuracy of best grid search hypers:", searcher.score(X_test, y_test))

Редагувати та запускати код