Die Idee hinter `RandomizedSearchCV` ist, dass es ähnlich wie `GridSearchCV` funktioniert, jedoch anstelle aller möglichen Kombinationen nur eine **zufällig ausgewählte Teilmenge** ausprobiert.

Zum Beispiel ergibt dieses `param_grid` 100 Kombinationen:
```python
param_grid = {'n_neighbors': [1, 3, 5, 7, 9, 12, 15, 17, 20, 25],
                         'weights': ['distance', 'uniform'],
                         'p': [1, 2, 3, 4, 5]}
```
`GridSearchCV` würde alle Kombinationen testen, was **zeitaufwendig** ist. Mit `RandomizedSearchCV` kann nur eine **zufällig ausgewählte Teilmenge** von beispielsweise 20 Kombinationen getestet werden. Dies führt in der Regel zu einem etwas schlechteren Ergebnis, ist jedoch deutlich schneller.

Die Anzahl der zu testenden Kombinationen kann mit dem Argument `n_iter` gesteuert werden (Standardwert: **10**). Ansonsten ist die Anwendung identisch zu `GridSearchCV`.

Maschinelles Lernen wird mittlerweile überall eingesetzt. Möchten Sie es selbst erlernen? Dieser Kurs bietet eine Einführung in die Welt des maschinellen Lernens, vermittelt grundlegende Konzepte, die Arbeit mit Scikit-learn – der beliebtesten Bibliothek für ML – und ermöglicht den Aufbau Ihres ersten Machine-Learning-Projekts.
Der Kurs richtet sich an Studierende mit Grundkenntnissen in Python, Pandas und Numpy.

Erlernen der Konzepte des maschinellen Lernens und des Workflows von ML-Projekten.

Die Vorverarbeitung ist wahrscheinlich die wichtigste Phase eines ML-Projekts. Dieses Kapitel behandelt die notwendigen Vorverarbeitungsschritte für nahezu jedes Datenset.

Eine Pipeline ist eine elegante Methode, um alle Vorverarbeitungsschritte sowie ein Modell zu kombinieren. Pipelines erleichtern das Trainieren und Anwenden eines Modells erheblich.

Die Modellierung ist die spannendste Phase eines ML-Projekts. Lernen Sie, das Modell zu erstellen, zu optimieren und zu evaluieren!

Herausforderung: Abstimmung von Hyperparametern mit RandomizedSearchCV

Lösung

Awesome!

Herausforderung: Abstimmung von Hyperparametern mit RandomizedSearchCV

Lösung

Awesome!