Python数据科学：神经网络
＃ 使用GridSearchCV进行最优参数搜索
param＿grid ＝ ｛
＃ 模型隐层数量
＇hidden＿layer＿sizes＇： ［（10， ）， （15， ）， （20， ）， （5， 5）］，
＃ 激活函数
＇activation＇： ［＇logistic＇， ＇tanh＇， ＇relu＇］，
＃ 正则化系数
＇alpha＇： ［0．001， 0．01， 0．1， 0．2， 0．4， 1， 10］
｝
mlp ＝ MLPClassifier（max＿iter＝1000）
＃ 选择roc＿auc作为评判标准，4折交叉验证，n＿jobs＝－1使用多核CPU的全部线程
gcv ＝ GridSearchCV（estimator＝mlp， param＿grid＝param＿grid，
scoring＝＇roc＿auc＇， cv＝4， n＿jobs＝－1）
gcv．fit（scaled＿train＿data， train＿target）
输出最优参数的模型的情况。
＃ 输出最优参数下模型的得分
print（gcv．best＿score＿）
＃ 输出值为0．9258018987136855
＃ 输出最优参数下模型的参数
print（gcv．best＿params＿）
＃ 输出参数值为｛＇alpha＇： 0．01， ＇activation＇： ＇tanh＇， ＇hidden＿layer＿sizes＇： （5， 5）｝
＃ 使用指定数据集输出最优模型预测的平均准确度
print（gcv．score（scaler＿test＿data， test＿target））
＃ 输出值为0．9169384823390232
模型的roc＿auc最高得分为0．92，即该模型下的ROC曲线下面积为0．92。
较之前的0．9149，提高了一点点。
模型的最优参数，激活函数为relu类型，alpha为0．01，隐藏层节点数为15个。
模型的预测平均准确率为0．9169，较之前的0．8282，提高了不少。
分享
最新活动更多
-
即日-1.24立即参与>>> 【限时免费】安森美：Treo 平台带来出色的精密模拟
-
2月28日火热报名中>> 【免费试用】东集技术年终福利——免费试用活动
-
即日-3.21立即报名 >> 【深圳 IEAE】2025 消费新场景创新与实践论坛
-
4日10日立即报名>> OFweek 2025（第十四届）中国机器人产业大会
-
7.30-8.1火热报名中>> 全数会2025（第六届）机器人及智能工厂展
-
即日-2025.8.1立即下载>> 《2024智能制造产业高端化、智能化、绿色化发展蓝皮书》
推荐专题
发表评论
请输入评论内容...
请输入评论/评论长度6~500个字
暂无评论
暂无评论