Desafío: Ajuste de Hiperparámetros con RandomizedSearchCV
La idea detrás de RandomizedSearchCV
es que funciona igual que GridSearchCV
, pero en lugar de probar todas las combinaciones, prueba un subconjunto muestreado aleatoriamente.
Por ejemplo, este param_grid
tendrá 100 combinaciones:
param_grid = {'n_neighbors': [1, 3, 5, 7, 9, 12, 15, 17, 20, 25],
'weights': ['distance', 'uniform'],
'p': [1, 2, 3, 4, 5]}
GridSearchCV
probaría todas ellas, lo cual es muy costoso en tiempo. Con RandomizedSearchCV
, se puede probar solo un subconjunto elegido aleatoriamente de, por ejemplo, 20 combinaciones. Generalmente conduce a un resultado ligeramente peor, pero funciona mucho más rápido.
Se puede controlar el número de combinaciones a probar usando el argumento n_iter
(establecido en 10 por defecto). Aparte de eso, su uso es igual que con GridSearchCV
.
Swipe to start coding
Su tarea es construir GridSearchCV
y RandomizedSearchCV
con 20 combinaciones y comparar los resultados.
- Inicializar el objeto
RandomizedSearchCV
. Pasar la cuadrícula de parámetros y establecer el número de combinaciones en 20. - Inicializar el objeto
GridSearchCV
. - Entrenar ambos objetos
GridSearchCV
yRandomizedSearchCV
. - Imprimir el mejor estimador de
grid
. - Imprimir la mejor puntuación de
randomized
.
Solución
¡Gracias por tus comentarios!
single
Pregunte a AI
Pregunte a AI
Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla
Awesome!
Completion rate improved to 3.13
Desafío: Ajuste de Hiperparámetros con RandomizedSearchCV
Desliza para mostrar el menú
La idea detrás de RandomizedSearchCV
es que funciona igual que GridSearchCV
, pero en lugar de probar todas las combinaciones, prueba un subconjunto muestreado aleatoriamente.
Por ejemplo, este param_grid
tendrá 100 combinaciones:
param_grid = {'n_neighbors': [1, 3, 5, 7, 9, 12, 15, 17, 20, 25],
'weights': ['distance', 'uniform'],
'p': [1, 2, 3, 4, 5]}
GridSearchCV
probaría todas ellas, lo cual es muy costoso en tiempo. Con RandomizedSearchCV
, se puede probar solo un subconjunto elegido aleatoriamente de, por ejemplo, 20 combinaciones. Generalmente conduce a un resultado ligeramente peor, pero funciona mucho más rápido.
Se puede controlar el número de combinaciones a probar usando el argumento n_iter
(establecido en 10 por defecto). Aparte de eso, su uso es igual que con GridSearchCV
.
Swipe to start coding
Su tarea es construir GridSearchCV
y RandomizedSearchCV
con 20 combinaciones y comparar los resultados.
- Inicializar el objeto
RandomizedSearchCV
. Pasar la cuadrícula de parámetros y establecer el número de combinaciones en 20. - Inicializar el objeto
GridSearchCV
. - Entrenar ambos objetos
GridSearchCV
yRandomizedSearchCV
. - Imprimir el mejor estimador de
grid
. - Imprimir la mejor puntuación de
randomized
.
Solución
¡Gracias por tus comentarios!
Awesome!
Completion rate improved to 3.13single