Sử dụng SGDClassifier

Trong bài tập lập trình cuối cùng này, bạn sẽ thực hiện tìm kiếm siêu tham số cho độ mạnh regularization và lựa chọn hàm mất mát (logistic regression vs. linear SVM) bằng SGDClassifier().

Bài tập này là một phần của khóa học

Bộ phân loại tuyến tính với Python

Xem khóa học

Hướng dẫn bài tập

Khởi tạo một đối tượng SGDClassifier với random_state=0.
Tìm kiếm trên độ mạnh regularization và hai loại mất mát hinge vs. log_loss.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# 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))

Chỉnh sửa và Chạy Mã