Python數(shù)據(jù)科學(xué):神經(jīng)網(wǎng)絡(luò)
# 使用GridSearchCV進(jìn)行最優(yōu)參數(shù)搜索
param_grid = {
# 模型隱層數(shù)量
'hidden_layer_sizes': [(10, ), (15, ), (20, ), (5, 5)],
# 激活函數(shù)
'activation': ['logistic', 'tanh', 'relu'],
# 正則化系數(shù)
'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(biāo)準(zhǔn),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(yōu)參數(shù)的模型的情況。
# 輸出最優(yōu)參數(shù)下模型的得分
print(gcv.best_score_)
# 輸出值為0.9258018987136855
# 輸出最優(yōu)參數(shù)下模型的參數(shù)
print(gcv.best_params_)
# 輸出參數(shù)值為{'alpha': 0.01, 'activation': 'tanh', 'hidden_layer_sizes': (5, 5)}
# 使用指定數(shù)據(jù)集輸出最優(yōu)模型預(yù)測的平均準(zhǔn)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(diǎn)點(diǎn)。
模型的最優(yōu)參數(shù),激活函數(shù)為relu類型,alpha為0.01,隱藏層節(jié)點(diǎn)數(shù)為15個。
模型的預(yù)測平均準(zhǔn)確率為0.9169,較之前的0.8282,提高了不少。

請輸入評論內(nèi)容...
請輸入評論/評論長度6~500個字
最新活動更多
-
7月8日立即報名>> 【在線會議】英飛凌新一代智能照明方案賦能綠色建筑與工業(yè)互聯(lián)
-
7月22-29日立即報名>> 【線下論壇】第三屆安富利汽車生態(tài)圈峰會
-
7.30-8.1火熱報名中>> 全數(shù)會2025(第六屆)機(jī)器人及智能工廠展
-
7月31日免費(fèi)預(yù)約>> OFweek 2025具身智能機(jī)器人產(chǎn)業(yè)技術(shù)創(chuàng)新應(yīng)用論壇
-
免費(fèi)參會立即報名>> 7月30日- 8月1日 2025全數(shù)會工業(yè)芯片與傳感儀表展
-
即日-2025.8.1立即下載>> 《2024智能制造產(chǎn)業(yè)高端化、智能化、綠色化發(fā)展藍(lán)皮書》
推薦專題