Hiperparametre ayarına giriş
Python'da Model Doğrulama
Kasey Jones
Data Scientist
Model parametreleri
Parametreler:
- Veriden öğrenilir veya tahmin edilir
- Bir modeli eğitmenin sonucudur
- Gelecek tahminlerde kullanılır
- Elle ayarlanmaz
Doğrusal regresyon parametreleri
Parametreler, bir model uydurularak oluşturulur:
from sklearn.linear_model import LinearRegression
lr = LinearRegression()
lr.fit(X, y)
print(lr.coef_, lr.intercept_)
[[0.798, 0.452]] [1.786]
Doğrusal regresyon parametreleri
Parametreler, model uydurulmadan önce yoktur:
lr = LinearRegression()
print(lr.coef_, lr.intercept_)
AttributeError: 'LinearRegression' object has no attribute 'coef_'
Model hiperparametreleri
Hiperparametreler:
- Eğitimden önce elle ayarlanır
- Eğitimin nasıl yapılacağını belirler
Rastgele orman hiperparametreleri
| Hiperparametre | Açıklama | Olası Değerler (varsayılan) |
|---|---|---|
| n_estimators | Ormandaki karar ağaçlarının sayısı | 2+ (10) |
| max_depth | Karar ağaçlarının azami derinliği | 2+ (None) |
| max_features | Bölme yaparken dikkate alınacak özellik sayısı | Belgeleri inceleyin |
| min_samples_split | Bölme için gereken asgari örnek sayısı | 2+ (2) |
Hiperparametre ayarı nedir?
Hiperparametre ayarı:
- Hiperparametreleri seçin
- Tek bir model türünü farklı değer kümeleriyle çalıştırın
- Seçilecek olası değer aralıkları oluşturun
- Tek bir doğruluk ölçütü belirtin
Aralıkları belirtme
depth = [4, 6, 8, 10, 12] samples = [2, 4, 6, 8] features = [2, 4, 6, 8, 10]# Hiperparametreleri belirtin rfc = RandomForestRegressor( n_estimators=100, max_depth=depth[0], min_samples_split=samples[3], max_features=features[1])rfr.get_params()
{'bootstrap': True,
'criterion': 'mse'
...
}
Çok fazla hiperparametre!
rfr.get_params()
{'bootstrap': True,
'criterion': 'mse',
'max_depth': 4,
'max_features': 4,
'max_leaf_nodes': None,
'min_impurity_decrease': 0.0,
'min_impurity_split': None,
'min_samples_leaf': 1,
'min_samples_split': 8,
...
}
Genel yönergeler
- Temelden başlayın
- Belgeleri okuyun
- Pratik aralıkları test edin
Haydi pratik yapalım!
Python'da Model Doğrulama
