ПочатиПочніть безкоштовно

Зміна гіперпараметрів

Кількість ітерацій навчання та розмір прихованих шарів — це два основні гіперпараметри, які можна змінювати під час роботи з класифікатором MLP. У цій вправі ви змінюватимете кожен із них окремо та звертатимете увагу на те, як змінюється якість у термінах accuracy та AUC кривої ROC.

X_train, y_train, X_test, y_test доступні у вашому робочому середовищі. Ознаки вже стандартизовано за допомогою StandardScaler(). Також у середовищі доступні pandas як pd та numpy як np.

Ця вправа є частиною курсу

Прогнозування CTR за допомогою машинного навчання в Python

Переглянути курс

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Loop over various max_iter configurations
max_iter_list = [10, 20, 30]
for max_iter in ____:
	clf = MLPClassifier(hidden_layer_sizes = (4, ), 
                        ____ = max_iter, random_state = 0)
   	# Extract relevant predictions
	y_score = clf.fit(____, ____).____(X_test)
	y_pred = clf.fit(____, ____).____(X_test)

	# Get ROC curve metrics
	print("Accuracy for max_iter = %s: %s" %(
      max_iter, _____(y_test, ____)))
	print("AUC for max_iter = %s: %s" %(
      max_iter, ____(y_test, ____[:, 1])))
Редагувати та запускати код