Introducción
Los hiperparámetros son parámetros que no se aprenden directamente por un estimador. Se pasan como argumentos al constructor de las clases de estimador. Ajustar los hiperparámetros de un estimador es un paso importante en la construcción de modelos de aprendizaje automático efectivos. Esto implica encontrar la combinación óptima de hiperparámetros que dé como resultado el mejor rendimiento del modelo.
Scikit-learn proporciona varias herramientas para buscar los mejores hiperparámetros: GridSearchCV
y RandomizedSearchCV
. En este laboratorio, recorreremos el proceso de ajuste de hiperparámetros utilizando estas herramientas.
Consejos sobre la VM
Una vez finalizada la inicialización de la VM, haga clic en la esquina superior izquierda para cambiar a la pestaña Cuaderno y acceder a Jupyter Notebook para practicar.
A veces, es posible que tenga que esperar unos segundos a que Jupyter Notebook termine de cargarse. La validación de las operaciones no se puede automatizar debido a las limitaciones de Jupyter Notebook.
Si tiene problemas durante el aprendizaje, no dude en preguntar a Labby. Deje sus comentarios después de la sesión y lo resolveremos rápidamente para usted.