Herausforderung: Abstimmung von Hyperparametern mit RandomizedSearchCV
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:
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
.
Swipe to start coding
Ihre Aufgabe besteht darin, GridSearchCV
und RandomizedSearchCV
mit 20 Kombinationen zu erstellen und die Ergebnisse zu vergleichen.
- Initialisierung des
RandomizedSearchCV
-Objekts. Übergeben Sie das Parameter-Grid und legen Sie die Anzahl der Kombinationen auf 20 fest. - Initialisierung des
GridSearchCV
-Objekts. - Trainieren Sie sowohl die
GridSearchCV
- als auch dieRandomizedSearchCV
-Objekte. - Geben Sie den besten Schätzer von
grid
aus. - Geben Sie den besten Score von
randomized
aus.
Lösung
Danke für Ihr Feedback!
single
Fragen Sie AI
Fragen Sie AI
Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen
Awesome!
Completion rate improved to 3.13
Herausforderung: Abstimmung von Hyperparametern mit RandomizedSearchCV
Swipe um das Menü anzuzeigen
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:
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
.
Swipe to start coding
Ihre Aufgabe besteht darin, GridSearchCV
und RandomizedSearchCV
mit 20 Kombinationen zu erstellen und die Ergebnisse zu vergleichen.
- Initialisierung des
RandomizedSearchCV
-Objekts. Übergeben Sie das Parameter-Grid und legen Sie die Anzahl der Kombinationen auf 20 fest. - Initialisierung des
GridSearchCV
-Objekts. - Trainieren Sie sowohl die
GridSearchCV
- als auch dieRandomizedSearchCV
-Objekte. - Geben Sie den besten Schätzer von
grid
aus. - Geben Sie den besten Score von
randomized
aus.
Lösung
Danke für Ihr Feedback!
Awesome!
Completion rate improved to 3.13single