Thay đổi siêu tham số
Số vòng lặp huấn luyện và kích thước của các tầng ẩn là hai siêu tham số chính có thể điều chỉnh khi làm việc với bộ phân loại MLP. Trong bài tập này, bạn sẽ thay đổi từng yếu tố một cách độc lập và quan sát cách hiệu năng (độ chính xác và AUC của đường cong ROC) có thể thay đổi.
X_train, y_train, X_test, y_test đã có sẵn trong không gian làm việc của bạn. Các thuộc tính đã được chuẩn hóa bằng StandardScaler(). pandas là pd, numpy là np cũng đã sẵn sàng.
Bài tập này là một phần của khóa học
Dự đoán CTR với Machine Learning trong Python
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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])))