Dostrajanie za pomocą GridSearchCV
Bezpieczne wyszukiwanie hiperparametrów
Dostrajanie za pomocą GridSearchCV to bezpłatna lekcja Data Science Academy na CoddyKit. To lekcja 3 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Data Science Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Data Science Academy zawiera 4 lekcji w sumie.
Ustawienia wybierane przez użytkownika
Niektóre ustawienia modelu nie są uczone na podstawie danych — wybiera je Pan/Pani przed treningiem. Są to hiperparametry, a ich właściwy dobór ma duże znaczenie.
Zgadywanie jest powolne
Ręczna zmiana jednej wartości, ponowne uruchamianie i ocenianie wyniku na oko zabierają czas oraz mogą pominąć lepsze kombinacje. Niech zrobi to za Pana/Panią wyszukiwanie. 🔍
Poznajemy GridSearchCV
GridSearchCV wypróbowuje każdą kombinację z określonej przez Pana/Panią siatki i używa walidacji krzyżowej, aby sprawiedliwie ocenić każdą z nich.
from sklearn.model_selection import GridSearchCVDefiniowanie siatki
W słowniku podaje Pan/Pani każdy hiperparametr oraz wartości, które należy wypróbować. Każda para wartości staje się jednym kandydatem do przetestowania.
param_grid = {'C': [0.1, 1, 10]}Dostrajanie wewnątrz potoku
Aby wskazać krok potoku, poprzedź nazwę nazwą kroku i dwoma znakami podkreślenia. Takie nazewnictwo kieruje wyszukiwanie do właściwego parametru.
param_grid = {'model__C': [0.1, 1, 10]}Uruchamianie wyszukiwania
Proszę opakować estymator i siatkę, a następnie wywołać fit. Narzędzie samo wytrenuje i oceni każdą kombinację na wszystkich podzbiorach.
search = GridSearchCV(pipe, param_grid, cv=5)
search.fit(X_train, y_train)Odczytywanie zwycięzcy
Po dopasowaniu best_params_ informuje, która kombinacja wygrała, a best_score_ pokazuje jej średni wynik walidacji krzyżowej.
print(search.best_params_, search.best_score_)Predykcja z użyciem najlepszego modelu
Wyszukiwanie ponownie dopasowuje najlepszą kombinację do wszystkich danych treningowych. Wystarczy wywołać predict na obiekcie wyszukiwania, aby użyć best_estimator.
preds = search.predict(X_test)Wybór właściwej metryki
Domyślnie narzędzie optymalizuje accuracy. Ustaw scoring na f1 lub roc_auc, aby wyszukiwanie optymalizowało metrykę istotną dla danego problemu.
GridSearchCV(pipe, param_grid, scoring='f1', cv=5)Pamiętaj o koszcie
Siatka szybko się rozrasta: liczba kombinacji pomnożona przez liczbę podzbiorów daje liczbę dopasowań. Gdy liczba ta eksploduje, użyj RandomizedSearchCV, aby losować kombinacje.
Projektowanie bez wycieku danych
Ponieważ wyszukiwany jest cały potok, przygotowanie danych jest ponownie dopasowywane w każdym podzbiorze. Dostrajanie pozostaje uczciwe i nie dopuszcza do żadnego wycieku danych.
Szybkie sprawdzenie
Aby dostroić krok potoku o nazwie model, jak należy zapisać klucz parametru?
Podsumowanie
Może Pan/Pani użyć GridSearchCV do przetestowania kombinacji parametrów za pomocą walidacji krzyżowej i otrzymania najlepszej z nich. Następny temat: zapisywanie wytrenowanego potoku. 💾
Ucz się Python dzięki korepetycjom AI — za darmo
Pisz i uruchamiaj kod w przeglądarce, otrzymuj natychmiastową pomoc od korepetytora AI dostępnego 24/7 i kontynuuj naukę w sieci lub w aplikacji.
- Kursy
- 30
- Lekcje
- 120
Często zadawane pytania
Czy lekcja „Dostrajanie za pomocą GridSearchCV” jest bezpłatna?
Tak — pełny tekst „Dostrajanie za pomocą GridSearchCV” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Data Science Academy, przejdź na CoddyKit PRO. Kurs Data Science Academy zawiera 4 lekcji w sumie.
Co nauczysz się w „Dostrajanie za pomocą GridSearchCV”?
Bezpieczne wyszukiwanie hiperparametrów Ćwiczysz Data Science Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć Data Science Academy?
Nie wymagamy żadnego doświadczenia. Data Science Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 3 z 4.
Ile czasu zajmuje lekcja „Dostrajanie za pomocą GridSearchCV”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji Data Science Academy?
Tak. Każda lekcja Data Science Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- Dlaczego Pipeline przewyższa ręczne kroki
- ColumnTransformer dla mieszanych typów
- Dostrajanie za pomocą GridSearchCV
- Zapisywanie i ponowne wczytywanie wytrenowanego Pipeline