Python机器学习手册：从数据预处理到深度学习

216

｜

第

12

章

模型选择

12.2

　使用随机搜索选择最佳模型

问题描述

使用一种比穷举搜索更节省计算资源的方法来选择最佳模型。

解决方案

使用

scikit-learn

的

RandomizedSearchCV

：

#

加载库

from scipy.stats import uniform

from sklearn import linear_model, datasets

from sklearn.model_selection import RandomizedSearchCV

#

加载数据

iris = datasets.load_iris()

features = iris.data

target = iris.target

#

创建逻辑回归对象

logistic = linear_model.LogisticRegression()

#

创建正则化惩罚的候选超参数区间

penalty = [

'

l1

'

,

'

l2

'

]

#

创建正则化候选超参数的分布

C = uniform(loc=0, scale=4)

#

创建超参数字典

hyperparameters = dict(C=C, penalty=penalty)

#

创建随机搜索对象

randomizedsearch = RandomizedSearchCV(

logistic, hyperparameters, random_state=1, n_iter=100, cv=5, ...