1. Learn
    2. /
  2. Курси
    3. /
  3. Прогнозування CTR за допомогою машинного навчання в Python
Connected

Вправа

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.

Інструкції 1/2

undefined XP
  • 1
    • Створіть класифікатор MLP для кожної конфігурації max_iter.
    • Обчисліть accuracy та AUC за допомогою roc_auc_score() на y_score.
  • 2
    • Створіть 3 класифікатори MLP з 4, 8 і 16 одиницями (використовуючи (4, ), (8, ) тощо).
    • Отримайте accuracy та AUC ROC для кожного.