ПочатиПочніть безкоштовно

Конвеєр для передбачення популярності пісень

У фінальній вправі ви збудуєте конвеєр для заповнення пропусків, масштабування ознак і налаштування гіперпараметрів моделі логістичної регресії. Мета — знайти найкращі параметри та точність під час передбачення жанру пісні!

Усі моделі та об'єкти, потрібні для побудови конвеєра, вже завантажено для вас.

Ця вправа є частиною курсу

Кероване навчання зі scikit-learn

Переглянути курс

Інструкції до вправи

  • Створіть кроки для конвеєра: викличте простий імп'ютер, стандартний масштабувач і модель логістичної регресії.
  • Створіть об'єкт конвеєра та передайте змінну steps.
  • Створіть об'єкт пошуку по сітці, щоб виконати перехресну перевірку, використовуючи конвеєр і параметри.
  • Виведіть найкращі параметри, а також обчисліть і виведіть точність на тестовій вибірці для об'єкта пошуку по сітці.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Create steps
steps = [("imp_mean", ____()), 
         ("scaler", ____()), 
         ("logreg", ____())]

# Set up pipeline
pipeline = ____(____)
params = {"logreg__solver": ["newton-cg", "saga", "lbfgs"],
         "logreg__C": np.linspace(0.001, 1.0, 10)}

# Create the GridSearchCV object
tuning = ____(____, param_grid=____)
tuning.fit(X_train, y_train)
y_pred = tuning.predict(X_test)

# Compute and print performance
print("Tuned Logistic Regression Parameters: {}, Accuracy: {}".format(____.____, ____.____))
Редагувати та запускати код