Python數據科學：神經網絡
＃ 使用GridSearchCV進行最優參數搜索
param＿grid ＝ ｛
＃ 模型隱層數量
＇hidden＿layer＿sizes＇： ［（10， ）， （15， ）， （20， ）， （5， 5）］，
＃ 激活函數
＇activation＇： ［＇logistic＇， ＇tanh＇， ＇relu＇］，
＃ 正則化系數
＇alpha＇： ［0．001， 0．01， 0．1， 0．2， 0．4， 1， 10］
｝
mlp ＝ MLPClassifier（max＿iter＝1000）
＃ 選擇roc＿auc作為評判標準，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）
輸出最優參數的模型的情況。
＃ 輸出最優參數下模型的得分
print（gcv．best＿score＿）
＃ 輸出值為0．9258018987136855
＃ 輸出最優參數下模型的參數
print（gcv．best＿params＿）
＃ 輸出參數值為｛＇alpha＇： 0．01， ＇activation＇： ＇tanh＇， ＇hidden＿layer＿sizes＇： （5， 5）｝
＃ 使用指定數據集輸出最優模型預測的平均準確度
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。
模型的最優參數，激活函數為relu類型，alpha為0．01，隱藏層節點數為15個。
模型的預測平均準確率為0．9169，較之前的0．8282，提高了不少。
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
