HyperoptEstimator 관련 질문
미해결
[개정판] 파이썬 머신러닝 완벽 가이드
안녕하세요. HyperoptEstimator 관련해서 질문이 있습니다. 베이지안 최적화에 기반한 HyperoptEstimator으로 알고 있습니다. 우선, 제가 HyperoptEstimator에 대해서 관심을 가지게 된 것은 기존엔 그리드 탐색을 통해서 공부했지만, HyperoptEstimator이 좀 더 효율적이라는 얘기를 듣게 되면서 좀 알아보고 싶다는 마음이 생기게되었습니다. 우선, 첫번째 질문입니다. 아래와 같은 코드로 만약 모델을 학습하고, 수행한다면 사이킷런에 있는 모든 분류, 회귀 모델들을 통해서 일일이 다 모델 성능을 평가하며, 가장 최적화 모델 및 하이퍼 파라미터를 찾는다고 보면 될까요? from hpsklearn import HyperoptEstimator # Load Data from sklearn.datasets import load_iris , load_linnerud , load_diabetes from sklearn.model_selection import train_test_split iris = load_iris () X_train , X_test , y_train , y_test = train_test_split ( iris.data , iris.target ) # Crate the estimator object estim = HyperoptEstimator () estim.fit ( X_train , y_train ) prediction = estim.predict ( X_test ) score = estim.score ( y_test , prediction ) model = estim.best_model 두번째 질문입니다. 만약, 제가 첫번째 질문을 통해서 드린 질문이 맞다면? 결국 HyperoptEstimator도 어느 특정 범위에 하이퍼 파라미터 범위 및 모델을 명시적으로 지정해줄 경우, 그 틀안에서 최적의 하이퍼 파라미터를 찾는다는 점에서 그리드 탐색과 별다른 차이점이 없는 건 아닌지, 그리드 탐색에 비해서 좀 더 좋은 장점은 어떤 것인지? 너무 궁금해서 늦은 시간 글을 남기게 되었습니다. 관련해서 아직 인터넷에 자료도 부족하고 해서, 이렇게 글을 남겼는데 꼭 답변부탁드리겠습니다..ㅎ 감사합니다
- HyperoptEstimator
- 통계
- 머신러닝 배워볼래요?
- python