param_grid
- Makine Öğrenmesi kursu
- Orta seviye
- Ders 21/112
- 5 dk
param_grid, denenecek hiperparametre değerlerini içeren sözlüktür.
param_grid yapısı
param_grid bir sözlüktür: anahtar parametre adı, değer denenecek değerlerin listesi. Tüm listelerin kartezyen çarpımı denenir:
izgara = {"svc__C": [0.1, 1, 10], "svc__kernel": ["linear", "rbf"]}
# 3 × 2 = 6 kombinasyon
from sklearn.model_selection import ParameterGrid
print(len(ParameterGrid(izgara))) # 6ParameterGrid kaç kombinasyonun deneneceğini aramadan önce görmeni sağlar.
Sözlük listesi: koşullu ızgara
Bazı parametreler yalnızca belirli ayarlarda anlamlıdır: gamma doğrusal çekirdekte kullanılmaz. Sözlük listesi gereksiz kombinasyonları önler:
izgara = [
{"svc__kernel": ["linear"], "svc__C": [0.1, 1, 10]},
{"svc__kernel": ["rbf"], "svc__C": [0.1, 1, 10], "svc__gamma": [0.01, 0.1]},
]
print(len(ParameterGrid(izgara))) # 3 + 6 = 9Aynı yöntemle farklı modeller bile tek aramada karşılaştırılabilir: {"svc": [SVC(), LogisticRegression()]}.
Uygulama Koşullu ızgara
Doğrusal çekirdek için C ∈ [0.1, 1, 10], rbf çekirdek için C ∈ [1, 10] ve gamma ∈ [0.01, 0.1] içeren bir sözlük listesi kur. ParameterGrid ile kombinasyon sayısını yazdır, ardından GridSearchCV(..., cv=5) çalıştırıp best_params_ değerini yazdır.
Başlangıç kodu
from sklearn.datasets import load_breast_cancer
from sklearn.model_selection import train_test_split, GridSearchCV
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.svm import SVC
X, y = load_breast_cancer(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=0, stratify=y)
pipe = Pipeline([("olcek", StandardScaler()), ("svc", SVC())])
from sklearn.model_selection import ParameterGrid
# buraya yazÖrnek çözüm
from sklearn.datasets import load_breast_cancer
from sklearn.model_selection import train_test_split, GridSearchCV
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.svm import SVC
X, y = load_breast_cancer(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=0, stratify=y)
pipe = Pipeline([("olcek", StandardScaler()), ("svc", SVC())])
from sklearn.model_selection import ParameterGrid
izgara = [
{"svc__kernel": ["linear"], "svc__C": [0.1, 1, 10]},
{"svc__kernel": ["rbf"], "svc__C": [1, 10], "svc__gamma": [0.01, 0.1]},
]
print(len(ParameterGrid(izgara)))
gs = GridSearchCV(pipe, izgara, cv=5).fit(X_train, y_train)
print(gs.best_params_)Beklenen çıktı
7
{'svc__C': 0.1, 'svc__kernel': 'linear'}
Soru ve cevaplar
Dersin sorularını cevaplarıyla birlikte inceleyebilirsin. Kendini denemek istersen dersi interaktif olarak çöz.
1 3, 4 ve 5 değerli üç parametrenin ızgarası kaç kombinasyon içerir?
- 20
- 15
- 60 Doğru cevap
- 12
Açıklama: 3 × 4 × 5 = 60; her biri ayrıca her katmanda eğitilir.
2 Kombinasyon sayısını aramadan önce gör.
print(len(____(izgara)))print(len(ParameterGrid(izgara)))Açıklama: ParameterGrid her kombinasyonu bir sözlük olarak üretir.
3 Izgaraları kombinasyon sayısıyla eşleştir.
| Kavram | Anlamı |
|---|---|
{"a": [1, 2], "b": [1, 2]} |
4 |
{"a": [1, 2, 3]} |
3 |
[{"a": [1]}, {"b": [1, 2]}] |
3 (1 + 2) |
{"a": [1, 2], "b": [1, 2, 3]} |
6 |