Python數(shù)據(jù)科學(xué)：神經(jīng)網(wǎng)絡(luò)
＃ 使用GridSearchCV進行最優(yōu)參數(shù)搜索
param＿grid ＝ ｛
＃ 模型隱層數(shù)量
＇hidden＿layer＿sizes＇： ［（10， ）， （15， ）， （20， ）， （5， 5）］，
＃ 激活函數(shù)
＇activation＇： ［＇logistic＇， ＇tanh＇， ＇relu＇］，
＃ 正則化系數(shù)
＇alpha＇： ［0．001， 0．01， 0．1， 0．2， 0．4， 1， 10］
｝
mlp ＝ MLPClassifier（max＿iter＝1000）
＃ 選擇roc＿auc作為評判標(biāo)準(zhǔn)，4折交叉驗證，n＿jobs＝－1使用多核CPU的全部線程
gcv ＝ GridSearchCV（estimator＝mlp， param＿grid＝param＿grid，
scoring＝＇roc＿auc＇， cv＝4， n＿jobs＝－1）
gcv．fit（scaled＿train＿data， train＿target）
輸出最優(yōu)參數(shù)的模型的情況。
＃ 輸出最優(yōu)參數(shù)下模型的得分
print（gcv．best＿score＿）
＃ 輸出值為0．9258018987136855
＃ 輸出最優(yōu)參數(shù)下模型的參數(shù)
print（gcv．best＿params＿）
＃ 輸出參數(shù)值為｛＇alpha＇： 0．01， ＇activation＇： ＇tanh＇， ＇hidden＿layer＿sizes＇： （5， 5）｝
＃ 使用指定數(shù)據(jù)集輸出最優(yōu)模型預(yù)測的平均準(zhǔn)確度
print（gcv．score（scaler＿test＿data， test＿target））
＃ 輸出值為0．9169384823390232
模型的roc＿auc最高得分為0．92，即該模型下的ROC曲線下面積為0．92。
較之前的0．9149，提高了一點點。
模型的最優(yōu)參數(shù)，激活函數(shù)為relu類型，alpha為0．01，隱藏層節(jié)點數(shù)為15個。
模型的預(yù)測平均準(zhǔn)確率為0．9169，較之前的0．8282，提高了不少。
分享
請輸入評論內(nèi)容...
請輸入評論/評論長度6~500個字
最新活動更多
推薦專題
- 1 AI 眼鏡讓百萬 APP「集體失業(yè)」？
- 2 大廠紛紛入局，百度、阿里、字節(jié)搶奪Agent話語權(quán)
- 3 深度報告｜中國AI產(chǎn)業(yè)正在崛起成全球力量，市場潛力和關(guān)鍵挑戰(zhàn)有哪些？
- 4 上海跑出80億超級獨角獸：獲上市公司戰(zhàn)投，干人形機器人
- 5 國家數(shù)據(jù)局局長劉烈宏調(diào)研格創(chuàng)東智
- 6 一文看懂視覺語言動作模型（VLA）及其應(yīng)用
- 7 下一代入口之戰(zhàn)：大廠為何紛紛押注智能體？
- 8 百億AI芯片訂單，瘋狂傾銷中東？
- 9 Robotaxi新消息密集釋放，量產(chǎn)元年誰在領(lǐng)跑？
- 10 格斗大賽出圈！人形機器人致命短板曝光：頭腦過于簡單
