RandomizedSearchCV

Python'da Model Doğrulama

Kasey Jones

Data Scientist

Hiperparametrelerde grid arama

Birden çok hiperparametreden değer seçerken olası seçenekler bir ızgara oluşturur. Bu ızgara, hiperparametre uzayıdır.

Grid aramaya devam

Yararları:

Tüm olası kombinasyonları dener

Sakıncaları:

Ek hiperparametreler eğitim süresini üstel artırır

Daha iyi yöntemler

Rastgele arama

from sklearn.model_selection import RandomizedSearchCV

random_search = RandomizedSearchCV()

Parametre dağılımı:

param_dist = {"max_depth": [4, 6, 8, None],
              "max_features": range(2, 11),
              "min_samples_split": range(2, 11)}

Rastgele arama parametreleri

Parametreler:

estimator: kullanılacak model
param_distributions: hiperparametreler ve olası değerleri sözlüğü
n_iter: yineleme sayısı
scoring: kullanılacak puanlama yöntemi

RandomizedSearchCV parametrelerini ayarlama

param_dist = {"max_depth": [4, 6, 8, None],
              "max_features": range(2, 11),
              "min_samples_split": range(2, 11)}

from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import make_scorer, mean_absolute_error

rfr = RandomForestRegressor(n_estimators=20, random_state=1111)
scorer = make_scorer(mean_absolute_error)

RandomizedSearchCV uygulandı

Rastgele aramayı kurma:

random_search =\
    RandomizedSearchCV(estimator=rfr,
                       param_distributions=param_dist,
                       n_iter=40,
                       cv=5)

Model doğrulamasını anlamadan hiperparametre ayarı yapamayız
Model doğrulama, birden çok modeli ve parametre setini karşılaştırmayı sağlar

RandomizedSearchCV uygulandı

Rastgele aramayı kurma:

random_search =\
    RandomizedSearchCV(estimator=rfr,
                       param_distributions=param_dist,
                       n_iter=40,
                       cv=5)

Rastgele aramayı tamamlayın:

random_search.fit(X, y)

Bazı örnekleri inceleyelim!

Python'da Model Doğrulama