Melakukan Penyetelan dengan GridSearchCV
Mencari hyperparameter dengan aman
Melakukan Penyetelan dengan GridSearchCV adalah pelajaran Data Science Academy gratis di CoddyKit. Ini adalah pelajaran 3 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar Data Science Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus Data Science Academy mencakup 4 pelajaran total.
Pengaturan yang Anda Pilih
Beberapa pengaturan model tidak dipelajari dari data; Anda memilihnya sebelum pelatihan. Pengaturan ini disebut hyperparameters, dan pilihan yang tepat sangat berpengaruh.
Menebak Itu Lambat
Mengubah satu nilai, menjalankan ulang, lalu menilai skor secara manual membuang waktu dan membuat kombinasi yang lebih baik terlewat. Biarkan pencarian melakukannya. 🔍
Memperkenalkan GridSearchCV
GridSearchCV mencoba setiap kombinasi dalam grid yang Anda tentukan dan menggunakan validasi silang untuk menilai masing-masing secara adil.
from sklearn.model_selection import GridSearchCVTentukan Grid
Anda mencantumkan setiap hyperparameter dan nilai yang akan dicoba dalam sebuah dictionary. Setiap pasangan nilai menjadi satu kandidat untuk diuji.
param_grid = {'C': [0.1, 1, 10]}Lakukan Penyetelan di Dalam Pipeline
Untuk menargetkan satu langkah pipeline, awali nama parameter dengan nama langkah tersebut, diikuti dua garis bawah. Penamaan ini mengarahkan pencarian ke pengaturan yang tepat.
param_grid = {'model__C': [0.1, 1, 10]}Jalankan Pencarian
Bungkus estimator dan grid Anda, lalu panggil fit. Proses ini melatih dan menilai setiap kombinasi pada semua lipatan untuk Anda.
search = GridSearchCV(pipe, param_grid, cv=5)
search.fit(X_train, y_train)Baca Pemenangnya
Setelah fitting, best_params_ memberi tahu kombinasi yang menang, sedangkan best_score_ menunjukkan skor rata-rata hasil validasi silang.
print(search.best_params_, search.best_score_)Lakukan Prediksi dengan yang Terbaik
Pencarian melatih ulang kombinasi terbaik menggunakan seluruh data pelatihan. Cukup panggil predict pada objek pencarian untuk menggunakan best_estimator tersebut.
preds = search.predict(X_test)Pilih Penilai yang Tepat
Secara default, proses ini mengoptimalkan akurasi. Atur scoring ke f1 atau roc_auc agar pencarian mengoptimalkan metrik yang penting bagi masalah Anda.
GridSearchCV(pipe, param_grid, scoring='f1', cv=5)Perhatikan Biayanya
Grid berkembang dengan cepat: jumlah kombinasi dikali jumlah lipatan sama dengan jumlah fitting. Jika jumlahnya membengkak, coba gunakan RandomizedSearchCV untuk mengambil sampel.
Bebas Kebocoran sejak Awal
Karena seluruh pipeline dicari, persiapan data dilakukan ulang di dalam setiap lipatan. Penyetelan tetap jujur tanpa ada leakage yang menyusup.
Pemeriksaan Singkat
Untuk menyetel langkah pipeline bernama model, bagaimana Anda menuliskan kunci parameternya?
Ringkasan
Sekarang Anda dapat membiarkan GridSearchCV menguji berbagai kombinasi parameter dengan validasi silang dan memberikan pilihan terbaik. Berikutnya, menyimpan pipeline yang telah dilatih. 💾
Belajar Python dengan tutor AI — gratis
Tulis dan jalankan kode asli di browser kamu, dapatkan bantuan instan dari tutor AI 24/7, dan lanjutkan di mana kamu tinggalkan di web atau aplikasi.
- Kursus
- 30
- Pelajaran
- 120
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Melakukan Penyetelan dengan GridSearchCV” gratis?
Ya — teks lengkap “Melakukan Penyetelan dengan GridSearchCV” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus Data Science Academy, upgrade ke CoddyKit PRO. Kursus Data Science Academy mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Melakukan Penyetelan dengan GridSearchCV”?
Mencari hyperparameter dengan aman Kamu berlatih Data Science Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai Data Science Academy?
Tidak diperlukan pengalaman sebelumnya. Data Science Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 3 dari 4.
Berapa lama pelajaran “Melakukan Penyetelan dengan GridSearchCV” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran Data Science Academy ini?
Ya. Setiap pelajaran Data Science Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Mengapa Pipeline Mengungguli Langkah Manual
- ColumnTransformer untuk Tipe Campuran
- Melakukan Penyetelan dengan GridSearchCV
- Menyimpan dan Memuat Ulang Pipeline Terlatih