파이썬 라이브러리를 활용한 머신러닝(번역개정판): 사이킷런 핵심 개발자가 쓴 머신러닝과 데이터 과학 실무서

408

파이썬 라이브러리를 활용한 머신러닝(번역개정판)

In [34]:

print("테스트 세트 점수: {:.2f}".format(grid.score(X_test, y_test)))

Out [34]:

테스트 세트 점수: 0.77

다항식 특성이 없는 그리드 서치와 비교해보겠습니다.

In [35]:

param_grid = {'ridge__alpha': [0.001, 0.01, 0.1, 1, 10, 100]}

pipe = make_pipeline(StandardScaler(), Ridge())

grid = GridSearchCV(pipe, param_grid, cv=5)

grid.t(X_train, y_train)

print("다항 특성이 없을 때 점수: {:.2f}".format(grid.score(X_test, y_test)))

Out [35]:

다항 특성이 없을 때 점수: 0.63

[그림

6

-

4

]의 그리드 서치 결과에서 짐작할 수 있듯이, 다항 특성이 없는 경우 성능이 낮아졌

습니다.

모델의 매개변수와 함께 전처리 과정의 매개변수를 찾는 것은 매우 강력한 전략입니다. 하지만

GridSearchCV

는 지정한 매개변수의 모든 가능한 조합을 시도합니다. 그러므로 매개변수 그

리드에 많은 매개변수를 추가하면 만들어야 할 모델이 급격히 증가하게 됩니다.

13

6.6

모델 선택을 위한 그리드 ...