使用 SGDClassifier
在這個最後的程式練習中，你將使用 SGDClassifier()，針對正規化強度與損失函式（邏輯迴歸 vs. 線性 SVM）進行超參數搜尋。
本練習屬於課程
Python 中的線性分類器
練習說明
- 建立一個
SGDClassifier物件，random_state=0。 - 針對正規化強度與
hinge和log_loss兩種損失函式進行搜尋。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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))