
5
장
모델 평가와 성능 향상
355
clf = Classier(**best_params)
clf.t(X[training_samples], y[training_samples])
# 테스트 세트를 사용해 평가합니다.
outer_scores.append(clf.score(X[test_samples], y[test_samples]))
return np.array(outer_scores)
이 함수를
iris
데이터셋에 적용해보겠습니다.
In [42]:
from sklearn.model_selection import ParameterGrid, StratiedKFold
scores = nested_cv(iris.data, iris.target, StratiedKFold(5),
StratiedKFold(5), SVC, ParameterGrid(param_grid))
print("교차 검증 점수:", scores)
Out [40]:
교차 검증 점수: [ 0.967 1. 0.967 0.967 1. ]
교차 검증과 그리드 서치 병렬화
그리드 서치는 데이터 용량이 크고 매개변수 수도 많을 때는 상당한 연산 부하를 일으키지만,
다행히 쉽게 병렬화할 수 있습니다.
19
하나의 교차 검증 분할에서 특정 매개변수 설정을 사용
해 모델을 만드는 ...