Summary  
This chapter explains how to tune model hyperparameters by combining cross-validation with GridSearchCV or RandomizedSearchCV in a workflow that splits data into training, validation, and test sets to optimize and evaluate machine learning pipelines.

General domain of usage  
Machine learning model evaluation and selection

Du kan nu bygga en **modell**, använda **pipelines** och justera **hyperparametrar**. Du har också lärt dig två utvärderingsmetoder: train-test split och korsvalidering.
Nästa steg är att kombinera utvärdering och justering med hjälp av `GridSearchCV` eller `RandomizedSearchCV`.

Eftersom vår datamängd är liten kommer vi att använda `GridSearchCV`, men allt som nämns nedan gäller även för en `RandomizedSearchCV`.

Notering

Eftersom korsvalidering är mer stabil än en enskild train-test split är målet att uppnå det **högsta korsvalideringsresultatet**.
`GridSearchCV` söker bland hyperparametrar och hittar de som maximerar detta resultat. Det bästa resultatet sparas i `.best_score_`.

Hyperparametrar som fungerar bäst för ett dataset kan **inte generaliseras** när ny data tillkommer.
Därför kan `.best_score_` vara högre än modellens prestanda på **helt osedd** data.

Ett vanligt arbetsflöde: dela upp i tränings- och testmängder; kör korsvalidering på **träningsmängden** för att justera modellen; utvärdera sedan den optimerade modellen på **testmängden** för att mäta verklig prestanda.

Sammanfattningsvis:

1. Förbehandla data;
2. Dela upp i tränings- och testuppsättningar;
3. Använd korsvalidering på träningsuppsättningen för att hitta den bästa konfigurationen;
4. Utvärdera på testuppsättningen.

Det tredje steget innebär vanligtvis att testa **flera algoritmer** och justera deras hyperparametrar för att identifiera det bästa alternativet. För enkelhetens skull användes endast en algoritm i denna kurs.


Läs mer

Korsvalidering är inte alltid det bästa alternativet. För stora datamängder blir beräkningen av CV-poäng kostsam, medan en train-test-split blir mer stabil tack vare den stora testuppsättningen.

Stora datamängder delas ofta upp i **träningsset**, **valideringsset** och **testset**.
Hyperparametrar väljs baserat på prestanda på **valideringssetet**.
Slutligen utvärderas den valda modellen på **testsetet** för att verifiera hur väl den generaliserar.

**Penguins dataset** är litet, med endast 342 instanser. På grund av denna begränsade storlek kommer korsvalideringspoäng att användas för utvärdering i nästa kapitel.


Varför är korsvalidering särskilt värdefull för hyperparametertuning i mindre datamängder, till skillnad från större där train-test-uppdelningar kan föredras?

Maskininlärning används nu överallt. Vill du lära dig det själv? Denna kurs är en introduktion till maskininlärningens värld där du får lära dig grundläggande begrepp, arbeta med scikit-learn – det mest populära biblioteket för ML, och bygga ditt första maskininlärningsprojekt.
Kursen är avsedd för studenter med grundläggande kunskaper i Python, Pandas och Numpy.

Lär dig maskininlärningskoncept och arbetsflödet för ML-projekt.

Förbehandling är troligen det viktigaste steget i ett ML-projekt. Detta kapitel behandlar de förbehandlingssteg som krävs för nästan alla datamängder.

En pipeline är ett smidigt sätt att kombinera alla förbehandlingssteg samt en modell. Pipelines gör det mycket enklare att träna och använda en modell.

Modellering är det mest underhållande steget i ett ML-projekt. Lär dig att bygga, finjustera och utvärdera modellen!

Sammanfattning av Modellering