Hiperparametre

Hiperparametre, model eğitiminden önce ayarlanan parametredir.

Hiperparametre nedir?

Parametreler eğitimde veriden öğrenilir (coef_, ağaç bölmeleri). Hiperparametreler ise eğitimden önce senin seçtiğin ayarlardır (n_neighbors, max_depth, C):

m = DecisionTreeClassifier(max_depth=3)   # hiperparametre: sen seçersin
m.fit(X, y)
print(m.tree_.node_count)                  # öğrenilen yapı

Hiperparametreler modelin karmaşıklığını belirler; doğru değer veriden veriye değişir ve doğrulamayla bulunur.

get_params ve doğrulama eğrisi

get_params() bir modelin tüm hiperparametrelerini gösterir. validation_curve, tek bir hiperparametreyi değiştirerek eğitim ve doğrulama skorlarını birlikte verir:

from sklearn.model_selection import validation_curve
d = [1, 2, 3, 5, 8]
tr, va = validation_curve(DecisionTreeClassifier(random_state=0), X, y,
                          param_name="max_depth", param_range=d, cv=5)
print(tr.mean(axis=1).round(2), va.mean(axis=1).round(2))

Eğitim skoru artmaya devam ederken doğrulama skoru düşmeye başladığı nokta aşırı öğrenmenin başladığı yerdir.

Uygulama Doğrulama eğrisi

Iris'te max_depth için [1, 2, 3, 5] değerleriyle validation_curve çalıştır (cv=5). Eğitim ve doğrulama ortalamalarını (mean(axis=1).round(3)) alt alta yazdır.

Örnek çözümü göster

from sklearn.datasets import load_iris
from sklearn.model_selection import validation_curve
from sklearn.tree import DecisionTreeClassifier

X, y = load_iris(return_X_y=True)

tr, va = validation_curve(DecisionTreeClassifier(random_state=0), X, y, param_name="max_depth", param_range=[1, 2, 3, 5], cv=5)
print(tr.mean(axis=1).round(3))
print(va.mean(axis=1).round(3))

Kendini test et

Hangisi bir hiperparametredir?
- StandardScaler'da mean_
- Ağacın öğrendiği eşikler
- KNN'de n_neighbors
- LinearRegression'da coef_
Cevabı göster

KNN'de n_neighbors — n_neighbors eğitimden önce verilir; diğerleri fit sırasında öğrenilir.
Modelin tüm hiperparametrelerini listele.
```
print(m.____())
```
Cevabı göster
```
print(m.get_params())
```
Değerleri sınıflandır.

max_depth

Hiperparametre
coef_

Öğrenilen parametre
validation_curve

Tek ayarı tarar
set_params

Ayarı değiştirir

Sıradaki ders: Özet - Model seçimi

Deneyiminizi Geliştiriyoruz

Çerez Tercihleri

Kesinlikle Gerekli Çerezler

Analitik Çerezler