Tinh chỉnh siêu tham số với GridSearchCV
Bây giờ bạn đã thấy cách thực hiện grid search để tinh chỉnh siêu tham số, bạn sẽ xây dựng một mô hình hồi quy lasso với các siêu tham số tối ưu để dự đoán mức đường huyết dựa trên các đặc trưng trong tập dữ liệu diabetes_df.
X_train, X_test, y_train, và y_test đã được nạp sẵn cho bạn. Một đối tượng KFold() đã được tạo và lưu dưới tên kf, cùng với một mô hình hồi quy lasso là lasso.
Bài tập này là một phần của khóa học
Học có giám sát với scikit-learn
Hướng dẫn bài tập
- Import
GridSearchCV. - Thiết lập một lưới tham số cho
"alpha", dùngnp.linspace()để tạo 20 giá trị cách đều trong khoảng từ0.00001đến1. - Gọi
GridSearchCV(), truyềnlasso, lưới tham số, và đặtcvbằngkf. - Fit đối tượng grid search với dữ liệu huấn luyện để thực hiện grid search có cross-validation.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Import GridSearchCV
____
# Set up the parameter grid
param_grid = {"____": np.linspace(____, ____, ____)}
# Instantiate lasso_cv
lasso_cv = ____(____, ____, cv=____)
# Fit to the training data
____
print("Tuned lasso paramaters: {}".format(lasso_cv.best_params_))
print("Tuned lasso score: {}".format(lasso_cv.best_score_))