GridSearchCV 暖身操
在影片中我們看到，增加 RBF kernel 的超參數 gamma 會提升訓練正確率。這題要用 scikit-learn 的 GridSearchCV 來搜尋能讓交叉驗證正確率最高的 gamma。手寫數字資料集的二元版本已載入變數 X 與 y，你的任務是判斷影像是否為「2」。
本練習屬於課程
Python 中的線性分類器
練習說明
- 建立一個
GridSearchCV物件。 - 呼叫
fit()方法，根據交叉驗證正確率來選出最佳的gamma值。
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。
# Instantiate an RBF SVM
svm = SVC()
# Instantiate the GridSearchCV object and run the search
parameters = {'gamma':[0.00001, 0.0001, 0.001, 0.01, 0.1]}
searcher = GridSearchCV(svm, ____)
____.fit(____)
# Report the best parameters
print("Best CV params", searcher.best_params_)